场景分类模型

安装文件github地址： https://github.com/metalbubble/places365

下载后解压缩

也可以直接运行：


git clone https://github.com/metalbubble/places365 

同时在上面地址中选择并下载好你要用的pre_trained model。

1. 安装docker

下载地址： https://www.docker.com/community-edition

Ubuntu安装手册地址：

https://store.docker.com/editions/community/docker-ce-server-ubuntu?tab=description

先安装资源库：

sudo apt-get -y install \ 
  apt-transport-https \ 
  ca-certificates \ 
  curl 
  
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add - 
  
sudo add-apt-repository \ 
       "deb [arch=amd64] https://download.docker.com/linux/ubuntu \ 
       $(lsb_release -cs) \ 
       stable" 
  
sudo apt-get update 

在安装Docker CE

sudo apt-get -y install docker-ce 

最后测试是否安装成功：

sudo docker run hello-world 

测试后把测试image删掉：

sudo su 
  
docker images 
  
docker rmi -f iamge_name or image ID 

2. 创建places365_container


cd places365/docker 

打开README.md

我们可以看到这个容器里包含Ubuntu 14.04系统， Caffe和其相关依赖。

执行：

docker build -t places365_container . 

需要一些时间来下载和安装，一共有3.5G多。

选择好的网络prototxt和对应的model复制到docker/models_places 目录下。

搞定后运行：


docker run places365_container python run_scene.py images/mountains.jpg 

这里需要注意一下，可能是哪点我搞错了，我运行上面的命令说找不到places365_container，后来我改了一下。运行下面命令出结果了。

docker run places365_contrainer python run_scene.py images/mountains.jpg

3.调用本地caffe

我定义本地caffe目录为$ROOT

把Places365文件夹复制到$ROOT目录下

这里有两种版本，一个是用caffe中python自带的classfy.py， 一个是用Places365的run_scene.py。这里我都讲一下。

3.1.使用classfier.py

先修改一下classfy.py

默认的这个程序输出结果是存到一个npy文件中，不在terminal显示，所以需要继续修改让结果在terminal显示出来。

找到这一行：


mean = np.load(args.mean_file) 

在下面加上：


meanmean=mean.mean(1).mean(1) 

再定位到：

# Classify 
start = time.time() 
predictions = classifier.predict(inputs, not args.center_only) 
print("Done in %.2f s." % (time.time() - start)) 

在下面加上：

imagenet_labels_filename = '../places365/docker/resources/labels.txt'
#注意这里要改成你自己labels.txt的路径 
labels = np.loadtxt(imagenet_labels_filename, str, delimiter='\t') 
top_k = predictions.flatten().argsort()[-1:-6:-1] 
for i in np.arange(top_k.size): 
    print labels[top_k[i]] 

最后把132行的路径改成我们自己的文件路径。

imagenet_labels_filename = '$ROOT/places365/docker/resources/labels.txt' 

3.1.1.生成labels.txt

对比就很容易发现，caffe需要的文件是每行只有类别名就好啦。把places365/docker/resources中的的labels.pkl改一下。

我写了下面的脚本，运行就会自动生成labels.txt啦

#!/bin/sh 
cp labels.pkl labels.txt 
sed -i 1d labels.txt 
sed -i 731d labels.txt 
for num in {1..365}; 
do 
    sed -i "/p${num}/d" labels.txt 
done 
sed -i 's/aS//g' labels.txt 
sed -i 's/S//g' labels.txt 
sed -i 's/^.//g' labels.txt 
sed -i 's/.$//g' labels.txt 

3.1.2.运行

使用下面命令运行

cd $ROOT/python 
python classify.py $ROOT/places365/docker/images/mountains.jpg result.npy \ 
--model_def $ROOT/places365/docker/models_places/deploy_alexnet_places365.prototxt \ 
--pretrained_model $ROOT/places365/docker/models_places/alexnet_places365.caffemodel 

其中result.npy是输出文件。

3.2使用run_scene.py

先把这个文件复制到$ROOT/python文件夹下面，

然后直接运行：


python run_scene.py $ROOT/places365/docker/images/mountains.jpg 

搞定！