任務
我這裡給出乙個具體的任務咯，要求在以下中，識別出汽車品牌和車輛外形。汽車品牌分為：benz/bmw/audi 車輛外形分為：sedan/suv。這是乙個只有72張的小資料庫,包括了測試和訓練集：
這裡寫描述
我們這裡採用的是上述文章中薛大牛的方法，兩個data層，乙個data只放，另乙個data放label，label通過slice layer切開。然後我們開始定義網路！修改alexnet！這是我的網路：
做資料轉換工具！
整個網路結構需要兩類資料，一類是純的lmdb，一類是包含兩個標籤的lmdb。首先我們需要修改caffe中的原始碼（相信我，很簡單！）開啟你編譯caffe時候的工程，找到convert_imageset這個工程：
修改convert_imageset.cpp為convert_multilabel.cpp，內容如下，全部替代也可以：（見github：然後重新編譯這個convert_imageset這個project。你可能會遇到什麼沒有生成object的警告，在這裡關掉即可：
完成後，我們會看到release資料夾下多了乙個convert_multilabel的exe，這個就是我們的lmdb生成工具啦。
做影象和多標籤資料！
convert_imageset.exe --resize_height=256 --resize_width=256 --shuffle=true d:\caffe-master\examples
\zncar
\test
\ d:\caffe-master\examples
\zncar
\test.txt d:\caffe-master\examples
\zncar
\test_lmdb d:\caffe-master\examples
\zncar
\test_label_lmdb 2
pause
compute_image_mean.exe d:\caffe-master\examples
\zncar
\test_lmdb d:\caffe-master\examples
\zncar
\testmean.binaryproto
pause
微調alexnet！
試一試我們的模型
這裡還需要修改classification.cpp檔案，因為caffe自帶的只支援單樣本。我自己做了乙個修改版本的，主要是修改了命令列和輸出網路的部分，這個cpp只支援兩標籤，主要是用著方便，如果你需要更多的標籤可以自己修改。編譯步驟同convert_multilabel.cpp的編譯。鏈結中的的**直接就可以替換原來的cpp。
結果寫兩個標註檔案：
label1.txt:
sedan
suvlabel2.txt:
audi
bmw
benz
1 2
3 4
5 6
7 8
我修改後的classification.exe 分類的命令列：
本專案的github**：
資料集：
caffe實現多標籤分類
std ifstream infile argv 2 std vector lines std string filename std string label count string argv 5 int label count std atoi label count string.c str...
多標籤分類問題
多類分類與多標籤分類 深度學習 多標籤分類問題 深度學習，opencv3 mxnet等影象處理相關的demo 深度學習模型處理多標籤 multi label 分類任務 好，介紹了整個處理流程 多標籤 multi label 分類任務 和 多分類 multi class 任務的區別 這裡筆者強調一下多...
caffe多工學習之多標籤分類
最近在參加乙個識別的競賽，專案裡涉及了許多類別的分類，原本打算乙個大的類別訓練乙個分類模型，但是這樣會比較麻煩，對於同一的分類會重複計算分類網路中的卷積層，浪費計算時間和效率。後來發現現在深度學習中的多工學習可以實現多標籤分類，所有的類別只需要訓練乙個分類模型就行，其不同屬性的類別之間是共享卷積層的...