Caffeでリファレンスモデルによる分類

Share on Facebook
Pocket
LINEで送る
Bookmark this on Google Bookmarks

Caffeに標準で用意されているスクリプトを遣って、リファレンスモデルによる画像の分類をしてみる。

前提

Ubuntu14.04 Anaconda(Python2)+Caffe(機械学習ライブラリ)をインストール

機械学習ライブラリCaffe で色々するための準備

 

リファレンスモデルによる分類

リファレンスモデルによる分類がどのようなものなのか、既に用意されているスクリプトを使って試す。
caffe/python/の中のclassify.pyを使う。

#!/usr/bin/env python
"""
classify.py is an out-of-the-box image classifer callable from the command line.

By default it configures and runs the Caffe reference ImageNet model.
"""
import numpy as np
import os
import sys
import argparse
import glob
import time

import caffe


def main(argv):
    pycaffe_dir = os.path.dirname(__file__)

    parser = argparse.ArgumentParser()
    # Required arguments: input and output files.
    parser.add_argument(
        "input_file",
        help="Input image, directory, or npy."
    )
    parser.add_argument(
        "output_file",
        help="Output npy filename."
    )
    # Optional arguments.
    parser.add_argument(
        "--model_def",
        default=os.path.join(pycaffe_dir,
                "../models/bvlc_reference_caffenet/deploy.prototxt"),
        help="Model definition file."
    )
    parser.add_argument(
        "--pretrained_model",
        default=os.path.join(pycaffe_dir,
                "../models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel"),
        help="Trained model weights file."
    )
    parser.add_argument(
        "--gpu",
        action='store_true',
        help="Switch for gpu computation."
    )
    parser.add_argument(
        "--center_only",
        action='store_true',
        help="Switch for prediction from center crop alone instead of " +
             "averaging predictions across crops (default)."
    )
    parser.add_argument(
        "--images_dim",
        default='256,256',
        help="Canonical 'height,width' dimensions of input images."
    )
    parser.add_argument(
        "--mean_file",
        default=os.path.join(pycaffe_dir,
                             'caffe/imagenet/ilsvrc_2012_mean.npy'),
        help="Data set image mean of [Channels x Height x Width] dimensions " +
             "(numpy array). Set to '' for no mean subtraction."
    )
    parser.add_argument(
        "--input_scale",
        type=float,
        help="Multiply input features by this scale to finish preprocessing."
    )
    parser.add_argument(
        "--raw_scale",
        type=float,
        default=255.0,
        help="Multiply raw input by this scale before preprocessing."
    )
    parser.add_argument(
        "--channel_swap",
        default='2,1,0',
        help="Order to permute input channels. The default converts " +
             "RGB -> BGR since BGR is the Caffe default by way of OpenCV."
    )
    parser.add_argument(
        "--ext",
        default='jpg',
        help="Image file extension to take as input when a directory " +
             "is given as the input file."
    )
    args = parser.parse_args()

    image_dims = [int(s) for s in args.images_dim.split(',')]

    mean, channel_swap = None, None
    if args.mean_file:
        mean = np.load(args.mean_file)
    if args.channel_swap:
        channel_swap = [int(s) for s in args.channel_swap.split(',')]

    if args.gpu:
        caffe.set_mode_gpu()
        print("GPU mode")
    else:
        caffe.set_mode_cpu()
        print("CPU mode")

    # Make classifier.
    classifier = caffe.Classifier(args.model_def, args.pretrained_model,
            image_dims=image_dims, mean=mean,
            input_scale=args.input_scale, raw_scale=args.raw_scale,
            channel_swap=channel_swap)

    # Load numpy array (.npy), directory glob (*.jpg), or image file.
    args.input_file = os.path.expanduser(args.input_file)
    if args.input_file.endswith('npy'):
        print("Loading file: %s" % args.input_file)
        inputs = np.load(args.input_file)
    elif os.path.isdir(args.input_file):
        print("Loading folder: %s" % args.input_file)
        inputs =[caffe.io.load_image(im_f)
                 for im_f in glob.glob(args.input_file + '/*.' + args.ext)]
    else:
        print("Loading file: %s" % args.input_file)
        inputs = [caffe.io.load_image(args.input_file)]

    print("Classifying %d inputs." % len(inputs))

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

    # Save
    print("Saving results into %s" % args.output_file)
    np.save(args.output_file, predictions)


if __name__ == '__main__':
    main(sys.argv)

caffe/101_ObjectCategories/airplanes/image_0001.jpg を使う。

caffe_01

 

実行してみる。
結果はcaffe/result.npyに出力される。
(npyはNumpyの標準的な拡張子。バイナリファイル。)

cd ~/caffe
cd python; python classify.py --raw_scale 255 ../101_ObjectCategories/airplanes/image_0001.jpg ../result.npy; cd ..
libdc1394 error: Failed to initialize libdc1394

 ・・・

Classifying 1 inputs.
Done in 1.45 s.
Saving results into ../result.npy

result.npyはバイナリファイルのため、そのままでは扱えない。
結果を表示するために、caffe/配下にresult.pyを作成してresult.npyを読み込む。

  #! /usr/bin/env python
  # -*- coding: utf-8 -*-
  import sys, numpy

  categories = numpy.loadtxt(sys.argv[1], str, delimiter="\t")
  scores = numpy.load(sys.argv[2])
  top_k = 3
  prediction = zip(scores[0].tolist(), categories)
  prediction.sort(cmp=lambda x, y: cmp(x[0], y[0]), reverse=True)
  for rank, (score, name) in enumerate(prediction[:top_k], start=1):
      print('#%d | %s | %4.1f%%' % (rank, name, score * 100))

実行してみる。

cd ~/caffe
python result.py data/ilsvrc12/synset_words.txt result.npy
#1 | n04552348 warplane, military plane | 84.1%
#2 | n04008634 projectile, missile |  5.8%
#3 | n02690373 airliner |  5.0%

戦闘機であることが確からしい。

ダンボーの画像で試してみた。
ホームディレクトリにsource/imagesディレクトリを作成して、dambo.jpgを設置して試した。

dambo2

 

cd python; python classify.py --raw_scale 255 ~/source/images/dambo.jpg ../result.npy; cd ..
python result.py data/ilsvrc12/synset_words.txt result.npy
#1 | n03637318 lampshade, lamp shade |  9.2%
#2 | n02971356 carton |  8.8%
#3 | n03887697 paper towel |  8.3%

lampshade・・・?まぁ間違ってないか・・・?

Follow me!

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です