echobear313 / stanford-cars-classification

开始之前

• 实验环境：Ubuntu 16.04/Caffe/1080 Ti
• 实验数据 数据来源: Stanford Cars Dataset

    -cars_meta.mat:
      Contains a cell array of class names, one for each class.

    -cars_train_annos.mat:
      Contains the variable 'annotations', which is a struct array of length
      num_images and where each element has the fields:
        bbox_x1: Min x-value of the bounding box, in pixels
        bbox_x2: Max x-value of the bounding box, in pixels
        bbox_y1: Min y-value of the bounding box, in pixels
        bbox_y2: Max y-value of the bounding box, in pixels
        class: Integral id of the class the image belongs to.
        fname: Filename of the image within the folder of images.

    -cars_test_annos.mat:
      Same format as 'cars_train_annos.mat', except the class is not provided.

Stanford Cars Dataset这个数据集一共196类，训练集8144，测试集8041。cars_meta.mat包含了所有类的编号和类名，cars_train_annos.mat包含了训练集车的坐标，文件名，cars_test_annos.mat同理。cars_test_annos_withlabels.mat另外包含了测试集的编号，用于测试。文件可在data下找到。

• GitHub现存别人做好的有：ChenJoya/Vehicle_Detection_Recognition, isapient/caffenet-stanford-cars。 第一个没有准确度，第二个效果不好，没有裁剪出车辆，另外前两次没有分清训练集和测试集。

• 论文原始链接: 3D Object Representations for Fine-Grained Categorization , 顶会顶会！！！

思路

数据预处理 ——> 训练（Fine-tuning on AlexNet, CaffeNet,训练代价小，不容易过拟合）——> 预测

data preprocessing

• 裁剪 根据bouding box裁剪出车辆
• 重采样 裁剪出车辆之后，图片大小不一致，需要将裁减后的图片重新采样到同样的大小，保持数据的一致性。再然后因为AlexNet, CaffeNet的pre-trained model输入大小在227，所以同样把图片resize到227*227的大小。可能有些样本会出现形变和模糊不清，因为大小不等，没有解决方法。
• normalization 将样本像素值归一化到0~1之间，乘以0.00390625，不要除以255或者256，python2除法只会返回int，不会保留小数。
• zero-centering 减去pixel的均值

训练

在AlexNet, CaffeNet上迁移学习。

预测

测试集同样的处理方法，输出准确度。