一、問題描述
任務是利用已有分類方法，如SVM和Ridge Regression對MIRFlickr-25000數據集進行分類實驗。具體要求：
- 數據集：MIRFlickr-25000 http://press.liacs.nl/mirflickr/
- 數據特徵：Caffe http://caffe.berkeleyvision.org/
- 分類方法：SVM (http://www.csie.ntu.edu.tw/~cjlin/libsvm/) 和Ridge Regression (Matlab裏應該有，如果沒有，去Google裏搜索）
- 評價標準：AUC (area under curve) 和average precision (AP) （注意是分類的AP，不是檢索retrieval的AP）
- 實驗環境：Matlab和Unix
- 實驗內容：
6.1 訓練數據大小對實驗結果的影響；
6.2 模型參數對實驗結果的影響；
6.3 兩個方法的比較結果；
6.4 每個具體類別的性能
二、探索進程【loading】
2.1 解決思路
image+lable—1—>caffe—2—>libsvm
難點：
*1將圖片數據轉換爲leveldb格式
*2弄清楚caffe源碼+sample ——
是否需要修改網絡參數、轉化特徵文件爲matlab格式
2.2 環境搭建
2.2.1 libsvm
[setting] matlabR2014+libsvm3.11+Vs2013
[tutorial] 詳解http://blog.csdn.net/llydl/article/details/46770941
2.2.2 caffe
[setting] cuda7.0+caffe+vs2013
[installation tutorial]http://blog.csdn.net/happynear/article/details/45372231
[cuda installation tutorial]http://blog.csdn.net/fengbingchun/article/details/44963681
2.3 相關知識學習【loading】
2.3.1 caffe
[tutorial] 1.http://www.ityuedu.com/article/665971707/ （yangqing jia）
observing the output of mnist (lenet_inter_10000)
2.3.2 caffe modle
http://www.cnblogs.com/zzq1989/p/4439429.html
[undo or unread related material]
1.http://blog.csdn.net/thesby/article/details/43538187 caffe各層參數定義
2.http://blog.csdn.net/lien0906/article/details/44652965 最有借鑑意義的：修改源文件跑自己數據
3.http://blog.csdn.net/guoyilin/article/details/42886365 python抽取圖片特徵
4.http://blog.csdn.net/lingerlanlan/article/details/39400375 抽取任意一張圖片特徵