如何使Caffe Matlab包装器适应在Mnist上训练的网络？

我成功地在mnist数据库上培训了我的Caffe网络

现在我想用我自己的图像使用Matlab包装器测试网络

因此，在“matcaffe.m”中，我加载文件“lenet.prototxt”，该文件不用于培训，但似乎适合测试。它引用的输入大小为28 x 28像素：

name: "LeNet"
input: "data"
input_dim: 64
input_dim: 1
input_dim: 28
input_dim: 28
layer {
name: "conv1"
type: "Convolution"
bottom: "data"
top: "conv1"

因此，我相应地调整了“matcaffe.m”中的“prepare_image”函数。现在看起来是这样的：

% ------------------------------------------------------------------------
function images = prepare_image(im)
IMAGE_DIM = 28;
% resize to fixed input size
im = rgb2gray(im);
im = imresize(im, [IMAGE_DIM IMAGE_DIM], 'bilinear');
im = single(im);
images = zeros(1,1,IMAGE_DIM,IMAGE_DIM);
images(1,1,:,:) = im;
images = single(images);
%-------------------------------------------------------------

这会将输入图像转换为[1 x 1 x 28 x 28]，4dim灰度图像。但Matlab仍在抱怨：

Error using caffe
MatCaffe input size does not match the input size of the
network
Error in matcaffe_myModel_mnist (line 76)
scores = caffe('forward', input_data);

---

有人有在自己的数据上测试经过培训的mnist网络的经验吗？

出现该错误（输入大小不匹配）的原因是网络协议需要一批64个图像。台词

input_dim: 64
input_dim: 1
input_dim: 28
input_dim: 28

这意味着网络需要一批64灰度、28 x 28的图像。如果保持所有MATLAB代码相同，并将第一行更改为

input_dim: 1

---

你的问题应该解决。

我终于找到了完整的解决方案： 下面介绍如何使用matcaffe.m（Matlab包装器）预测自己输入图像的数字

在“matcaffe.m”中：必须引用文件“caffe master/examples/mnist/lenet.prototxt”

如mprat所指出，调整文件“lenet.prototxt”：将条目输入尺寸更改为

输入尺寸：1

对matcaffe.m中的子功能“prepare_image”使用以下自适应：

（输入可以是任意大小的rgb图像）

---

我现在开始学习那个教程。我已经成功地接受了mnist数据库方面的培训。我的问题是如何结合我自己的图像数据和matlab包装器“matcaffe.m”使用经过训练的网络啊，对不起，我误解了。我将更新我的答案。但是，我输入数据的方式似乎仍然存在缺陷，因为mnist测试数据的准确度约为10%（这是随机猜测）。我是否错过了更多的预处理？有人试过这个吗？（我尝试将输入数据缩放256，但没有帮助。这仅适用于imagenet示例。但是在mnist的情况下，没有均值减法，图像仅为1个通道。正如我所说，数据仅缩放（1/256）在培训期间。但是使用缩放没有帮助。我忘了转置输入图像。现在一切正常。我将在单独的答案中编写解决方案，以获得更好的概述。仍然非常感谢您的帮助您需要将“图像”更正为“图像”，并更改“im=rgb2gray（im）”选项由于curren代码仅适用于彩色图像。它确实在我的计算机中运行。我必须将格式图像（1,1，：，：）更改为图像（：，：，1，1）以使其运行。但是，我使用真实数据集（我在互联网上收集）得到的结果非常差。你遇到过这个问题吗？

function image = prepare_image(im)

IMAGE_DIM = 28;

% If input image is too big , is rgb and of type uint8:
% -> resize to fixed input size, single channel, type float

im = rgb2gray(im);
im = imresize(im, [IMAGE_DIM IMAGE_DIM], 'bilinear');
im = single(im);

% Caffe needs a 4D input matrix which has single precision
% Data has to be scaled by 1/256 = 0.00390625 (like during training)
% In the second last line the image is beeing transposed!
images = zeros(1,1,IMAGE_DIM,IMAGE_DIM);
images(1,1,:,:) = 0.00390625*im';
images = single(images);