一、图像处理

实验内容

使用caffe框架训练和测试自己的图片

实验数据

在一篇博客中找到了一份数据集，共有500张图片，分为大巴车、恐龙、大象、鲜花和马五个类，每个类100张。每类选出20张作为测试，其余80张作为训练。因此最终训练图片400张，测试图片100张，共5类。

Paste_Image.png

数据处理

利用caffe自带的接口将图片转化为lmdb格式。

#!/usr/bin/env sh
MY=examples/myfile
echo "Create train lmdb.."
rm -rf $MY/img_train_lmdb
build/tools/convert_imageset \
--shuffle \
--resize_height=256 \
--resize_width=256 \
/home/cuzibl/caffe/data/re/ \
$MY/train.txt \
$MY/img_train_lmdb
echo "Create test lmdb.."
rm -rf $MY/img_test_lmdb
build/tools/convert_imageset \
--shuffle \
--resize_width=256 \
--resize_height=256 \
/home/cuzibl/caffe/data/re/ \
$MY/test.txt \
$MY/img_test_lmdb
echo "All Done.."

计算图片均值

利用caffe程序提供的计算均值的文件compute_image_mean.cpp来计算图片均值，用以提高训练的速度和精度。
#sudo build/tools/compute_image_mean examples/myfile/img_train_lmdb examples/myfile/mean.binaryproto

创建模型并修改配置文件

使用caffe自带的caffenet模型，将models/bvlc_reference_caffenet/文件夹下的solver.prototxt和train_val.prototxt复制到myfile文件夹内，并修改部分参数。

Paste_Image.png Paste_Image.png

训练和测试

#sudo build/tools/caffe train -solver examples/myfile/solver.prototxt

运行结果

accuracy=0.94

4026972-438b8f1bad5ee976.png

---

二、文本处理

实验内容

真假论文识别

实验数据

真论文：ijcai，将其中100篇挑出作为测试数据
假论文：1000篇假论文
均为txt格式，一篇论文对应一个txt文件

实验环境及工具

ubuntu14.04
python 2.7
collections、libsvm

数据处理

1、数据清洗。去除所有符号、数字、和停用单词。

Paste_Image.png

2、建立字典，统计词频。调用collection.OrderedDict()，对每一篇论文建立有序字典，将前三百个出现次数最多的词出现的次数记录下来。

训练和测试

1、调用svm_problem(label,value_set)函数将数据转化为标准svm输入格式
调用svm_train(prob,param)进行训练
2、调用svm_predict(label,data_set,model)函数进行测试