Caffe Model Zoo官方文檔翻譯

http://caffe.berkeleyvision.org/model_zoo.html

許多研究人員和工程師使用各種體系結構和數據為不同的任務設計了Caffe模型：可以查閱 model zoo！ 這些模型被學習並應用於解決簡單回歸、大規模視覺分類、圖像相似性的連體網絡，語音和機器人應用等各種問題。

為了幫助分享這些模型，下面介紹一下model zoo框架：
a. 一種封裝Caffe模型信息的標准格式。
b.從Github Gist上傳/下載模型信息的工具，也是下載訓練好的.caffemodel二進制文件的工具。
c.用於共享模型信息Gist的中心維基頁面。

 

Where to get trained models

首先，我們將BAIR-trained的模型綁定到不受限制的隨時可用的模型中。有關詳細信息，請參閱  BAIR model license 。每一個模型都可以通過運行一下命令下載獲取：

scripts/download_model_binary.py <dirname>      其中<dirname>在下面指定:

 

a.在model/bvlc_reference_caffenet中的BAIR Reference CaffeNet：在ILSVRC 2012上進行訓練，與Krizhevsky等人在NIPS 2012中  ImageNet classification with deep convolutional neural networks描述的版本略有不同。（由Jeff Donahue @jeffdonahue訓練）

b.在models/bvlc_alexnet中的BAIR AlexNet：AlexNet在ILSVRC 2012上訓練，幾乎與Krizhevsky等人在NIPS 2012中  ImageNet classification with deep convolutional neural networks描述中使用的深卷積神經網絡一樣。（由Evan Shelhamer @shelhamer訓練）

c.在models/bvlc_reference_rcnn_ilsvrc13中的BAIR Reference R-CNN ILSVRC-2013：如Girshick等人在CVPR 2014所述的 R-CNN的純Caffe實現。（由Ross Girshick @ rbgirshick訓練）

d.在model/bvlc_googlenet中的BAIR GoogLeNet：GoogLeNet在ILSVRC 2012訓練，幾乎與Szegedy等人在ILSVRC 2014 Going Deeper with Convolutions 中的描述一致。（由Sergio Guadarrama @sguada訓練）

 

Caffe用戶制作的Community models可以發布到公共可編輯 model zoo wiki page。 這些模型受各自作者的條件限制，如引用和許可。

 

Model info format

一個caffe模型distributed為一個包含以下內容的目錄:

• Solver/model prototxt(s)
• 包含readme.md文件 

         a. YAML frontmatter:
            a.1用於訓練此模型Caffe版本（發布標記或提交哈希值）。
            a.2[可選]訓練得到的的.caffemodel的文件URL和SHA1。
            a.3[可選] github gist id。
         b.關於模型的訓練數據，建模選項等信息
         c.License信息。

• [可選] 其他有用的腳本

這種簡單的格式可以通過綁定腳本進行處理，或者在需要時手動處理。

 

 

Hosting model info

Github Gist是一個很好的模型信息分布格式，因為它可以包含多個文件，可版本化，並且具有在瀏覽器的語法突出顯示和降價渲染。

命令scripts/upload_model_to_gist.sh <dirname> ：以Github Gist的形式上傳模型目錄中的非二進制文件並打印Gist ID。 如果gist_id已經是<dirname>/readme.md    frontmatter的一部分，那么就更新現有的Gist。

 

嘗試執行 scripts/upload_model_to_gist.sh models/bvlc_alexnet以測試上傳（不要忘記之后要刪除上傳的gist）。
使用 scripts/download_model_from_gist.sh  <gist_id> <dirname>可以輕松下載模型信息。

 

 

Hosting trained models

在哪里托管.caffemodel文件是由用戶決定的。 我們將我們的BAIR提供的模型（BAIR-provided models）托管在我們自己的服務器上。 Dropbox也可以正常工作（提示：確保 ?dl = 1被追加到URL的末尾）。

命令scripts/download_model_binary.py  <dirname> ： 從<dirname>/readme.md frontmatter中指定的URL下載.caffemodel並確認SHA1。

 

BAIR model license

被發布的BAIR綁定的Caffe models可以無限制地使用。

這些模型在ImageNet項目的數據上訓練，訓練數據包括可能受版權保護的互聯網照片。

作為研究人員，我們目前的理解是，不會限制對這些學習模型權重的公開發布，因為沒有原始圖像數據的全部或部分分布。在某種程度上的解釋是，新的模型權重是原始版權持有者的衍生作品（並聲明一個版權），加州大學伯克利分校沒有聲明允許使用什么，而是本着在傳播知識和成為盡可能成為廣泛而不受限制的工具的學術使命，合理使用。