我对如何与预先训练的Caffe模型实际交互有一些疑问。在我的情况下，我使用了scene recognition的模型。
在caffe git存储库中，Python和C ++中有一些关于Image Classifiers实现的代码示例。但是，这些不适用于我的用例（因为它们只将输入图像分类为ONE类）。
我的目标是获取输入图像（jpg）并为输入图像中的每个像素输出最高预测类标签（e.i.，天空，海滩，道路，汽车的索引）。
有人能给我一些关于如何进行的指示吗？
似乎已经存在这样的实现。这个演示（http://places.csail.mit.edu/demo.html）就像我一样。
谢谢！
答案 0 :(得分：1)
您所寻找的不是图像分类，而是语义分割。
Jonathan Long，Evan Shelhamer和Trevor Darrell最近的作品以Caffe为基础，可以找到here。它使用完全卷积网络，即没有"InnerProduct"层仅卷积层的网络，因此能够为不同大小的输入产生不同大小的输出。