This is the solution of Kaggle cats vs dogs by caffe,tensorflow and keras.
猫狗大战是深度学习应用于计算机视觉的一个典型案例，源于Kaggle比赛，它一共有25000张训练图片(猫和狗各12500张)
现在已经有很多针对各个框架下的实现，但存在以下几个问题:
1.描述简单，未提供完整解决方案及测试结果
2.实现复杂，代码长时间未做更新，以致新版本的库无法使用
3.架构设计不合理，没有可扩展性，需要改动很多代码才能用于新的任务
本项目针对以上这些问题，提供了caffe、tensorflow和keras等主流平台的实现，给出全流程解决方案，可以无缝切换到自己的task。
下载本项目后新建data子文件夹
git clone https://github.com/imistyrain/cat-vs-dog
mkdir data
然后去Kaggle下载页面下载，解压train.zip到data文件夹，文件结构组织为:
官网下载的数据存在异常数据，大致可分为图中无目标(15张),猫狗都有(15张)，卡通图(6张),难以区分(28张)和标注反了(7张)等几大类.
cd Keras
python filtererrors.py
经过这个过程处理后图片数量由25000张缩减到24936张.
首先安装caffe，网上已有很多相关教程，数不赘述。
然后生成用于训练和验证的文件名列表，可通过
cd caffe/util
python preprocess.py
完成，代码执行后会在util文件夹下生成train.txt和val.txt，里面包含了用于训练和验证的文件名列表及其对应的标签
开始训练,
sh train.sh
调整需要使用的模型及其对应的参数，一键完成训练.
目前能够达到的精度如下:
| Name | Acc. test | finetuned Acc. test. | Train time | Forward pass time | On disk model size | Year | Paper |
|---|---|---|---|---|---|---|---|
| AlexNet | 95.62% | 98.26% | 35m | 3.01 ms | 227.5Mb | 2012 | link |
| SqeezeNet v1.1 | 96.20% | 99.44% | ~2h | 3.91 ms | 2.9Mb | 2016 | link |
| GoogLeNet | 94.62% | 99.58% | 50m | 11.73 ms | 41.3Mb | 2014 | link |
| BN-GoogleNet | 99.36% | ||||||
| VGG-16 | 97.17% | 99.40% | 5h20m | 15.41 ms | 537.1Mb | 2014 | link |
| VGG-19 | 97.46% | 99.50% | 25h50m | 19.23 ms | 558.3Mb | 2014 | link |
| Network-In-Network | 93.65% | 98.49% | ~2h | 3.17 ms | 26.3Mb | 2014 | link |
| ResNet-50 | 96.10% | 99.52% | 18h | 24.91 ms | 94.3Mb | 2015 | link |
| ResNet-101 | 96.39% | 99.48% | 1d 20h | 40.95 ms | 170.5Mb | 2015 | link |
| MobileNet | 97.22% | 97.8% | |||||
| ShuffleNet | 93.70 | 98.70% |
训练采用的GPU为1080Ti.
部署参考cpp4caffe项目，这是一个C++工程.
tensorflow使用预训练的VGG19进行微调，精度为96%+
python train_vgg19.py
如果有多块GPU，可以使用
python multigpu_train.py
加速训练
如果配备了Intel的计算棒，可以将其转换为graph格式，然后运行
sh build.sh #编译所必须的程式
sh train.sh #训练和导出模型
sh ncs.sh #转换为计算棒需要的格式
python run_ncs.py #在计算棒上测试
keras需要先把猫和狗的图片分到两个不同的文件夹下，这可以通过train.py中的mklink函数完成.
python train.py #训练模型
python keras2tf.py #转换为tnsorflow格式
经测试所能达到的精度如下:
| Model | Size | Accuracy |
|---|---|---|
| VGG16 | 528MB | |
| ResNet50 | 99MB | 99.78% |
| InceptionV3 | 92MB | |
| Xception | 88MB | |
| InceptionResNetV2 | 215MB |
python app.py
打开浏览器，输入网址http://localhost:5000/
点击Choose...选择要识别的文件上传即可，稍等片刻即可得到结果
基于TensorFlow的Cats vs. Dogs（猫狗大战）实现和详解
Cat_or_dog-kaggle-vgg19-tensorflow
利用resnet 做kaggle猫狗大战图像识别，秒上98准确率
Building powerful image classification models using very little data