前言：最近参加百度点石大赛，完成商家招牌的分类和检测，把实验过程简单记录下来，具体步骤如下。
环境配置：windows下的visual studio2013和caffe（cpu版本）环境搭建请看我另一篇博客：http://www.cnblogs.com/wmr95/articles/9021748.html
下面写写具体实验流程：
1.首先把比赛平台下的数据集下载放到caffe-master路径下data文件夹中，如图：
首先数据提供的是train和test图片数据及label的txt文件，具体如图所示：
其中train文件夹下的图片和train.txt中的内容如图：
2.接下来根据图片和label信息得到lmdb格式文件train_lmdb新建一个create_lmdb.bat 文件，内容为：
E:\caffe-master\Build\x64\Release\convert_imageset.exe --resize_height= --resize_width= --shuffle --backend="lmdb" E:\caffe-master\data\signboard\train\ E:\caffe-master\data\signboard\train.txt train_lmdb pause
简单解释一下，第一个显然是你编译好的caffe中的exe工具，第二和第三指定对图像进行resize（因为原图大小尺寸不一），第四个是shuffle参数，随机打乱一下label的txt列表，第六个–backend指定生成lmdb格式（还可以指定为leveldb，另外一种格式），第七个指定train文件夹下的图片，第八个指定train的label信息，最后一个指定得到的train_lmdb（这个不能添加路径，由程序自己创建文件夹，如果提前有这个文件夹会报错）。
执行成功截图：
在当前路径下得到train_lmdb文件，如图所示：
3.根据得到的lmdb格式文件train_lmdb得到均值文件
新建一个compute_image_mean.bat文件，代码内容为：
E:\caffe-master\Build\x64\Release\compute_image_mean.exe E:\caffe-master\data\signboard\train_lmdb mean.binaryprotopause
具体意思大概看下就了解，不具体解释了。运行成功截图为：
在当前路径下得到的mean.binaryproto文件为：
4.接下来就准备网络模型的事情了（简单举个例子，我这里先采用的是cifar10的网络，接下来以这个为例）
先将examples下的cifar10拷贝一份命名为signboard，这里主要用到两个prototxt文件：
train_test.prototxt的内容需要做修改：（mean_file和source需要指定路径，另外我们是进行100分类，最后的output由10改为100）
这里需要注意，因为我们没有得到test_lmdb文件，这里需要把phase的TEST部分删除，只留下TRAIN部分。
然后再修改solver.prototxt文件：
因为训练过程中不包含测试集，所以这里需要把test部分注释，否则会出现“Unknown bottom blob ‘data’ (layer ‘conv1’,bottom index 0)”的错误。
错误截图为：
5.完成数据处理和网络模型后，就可以进行训练模型了，在caffe-master根目录下新建一个trian_signboard.bat文件，代码内容为：
.\Build\x64\Release\caffe.exe train --solver=.\examples\signboard\cifar10_quick_solver.prototxt
pause
在caffe-master根目录下执行这个.bat文件就可以训练了，开心的飞起~~训练过程截图为：
这只是初步的把分类实验跑起来，后期打算做数据增强和finetune操作。期待竞赛有个好成绩~~
