训练好的Caffe网络结构，可以固定下来，直接载入程序作为数据库接口使用。本文使用Eric构建运行于Python环境下的图片识别应用程序，因为Eric使用QT作为GUI，且有Python的接口，可直接无缝使用Caffe，并可使用在Linux和Windows环境中。

1.编译好Pycaffe之后，安装Eric4、PyQt4。

软件中心安装 Eric4、PyQt4；

2.配置Eric：

根据程序设置向导配置Eric使用的Python版本、其他设置。

3.建立项目：

点击Eric主界面，Project->new ，设置项目名称、位置；

3.1、界面设计

将左侧的【源代码】选项卡切换至【窗体】选项卡（左数第二个）。

右键空白区域，选择【新建窗体】。

在弹出的对话框中选择【对话框】。

点击Ok之后，填写保存位置，生成一个QtDesigner可以修改的UI文件。

工程左栏右键点击UI文件，点击Open in Qt-Designer弹出设计界面，便可以进行界面设计。

4、设计界面，建立自定义槽

对于Button文件，可以在设计界面添加空槽，再进行代码文件内编辑

也可以不在设计界面添加槽，保存UI文件。

回到工程界面，右键点击编译，生成UI_…..Py文件;

再点击生成对话框代码，生成类代码文件。

因为MCV设计模式使设计和逻辑分离，可以设计好界面后，修改任意类代码不影响界面效果。

默认槽的函数形式为：

若按钮名称为btnParse，则类内槽函数为

@pyqtSignature("")
def on_btnParse_clicked(self):

程序编译运行后，按动按钮btnParse，触发on_btnParse_clicked(self) 设定的行为。

5.设计逻辑

我的程序主要使用了类文件里面的成员函数on_RecogOne_clicked(self)；

以下是参考代码：

import ClassifyFace as cf
…………………………………

@pyqtSignature("")  
def on\_RecogOne\_clicked(self):  
    """  
    Slot documentation goes here.  
    """  
    #self.tvResult.clear()  
    fName = self.lblPath.text()  
    #print ("fName:%s", fName )#u'Please, load a log file'

    # 获取地址框内的文件名  
    pattern = self.txtReToMatch.displayText();  
    print ("pattern:%s", pattern)#fileName!

    path = pattern.toAscii();  
    path=path\[7:\];path=str(path )# 异常必要的强制转化！  
    print path;

    #载入识别过程  
    pathSrc =path  
    Out, pathRec=cf.recogImg(path);#识别函数

    Num=-1;idx =0;  
    if(Out ==-1):  
        print ("Face Detect fail!");  
        return;  
    else:  
        for i in Out:  
            if (i ==1):  
                Num=idx;  
            idx+=1;

    #画出修改图像  
    pixmapO=QPixmap()  
    pixmapO.load(pathRec);  
    itemO=QGraphicsPixmapItem(pixmapO)  
    self.scene2.addItem(itemO)  
    self.graphicsView\_Out.setScene(self.scene2)

    if(Num==-1):  
        print ("The Face is not a Baby!");  
    else:  
        print ("The serias %d face is a baby face"%Num);  
        #画出脸部图像  
        pathf=path+"face"+str(Num)+".jpg";  
        pixmapf=QPixmap();  
        pixmapf.load(pathf);  
        itemf=QGraphicsPixmapItem(pixmapf)  
        self.scene3.addItem(itemf)  
        self.graphicsView\_Face.setScene(self.scene3)

    OutStr ="The serias"+ str(Num)+ " X face is a baby face"  
    self.label\_Outshow.setText(OutStr);

    #显示原图像  
    pixmap=QPixmap()  
    pixmap.load(pathSrc);  
    item=QGraphicsPixmapItem(pixmap)  
    self.scene.addItem(item)  
    self.graphicsView\_Src.setScene(self.scene)

6.Debug调试程序

注意事项：调试时在主程序打开文件窗口按下F2键，否则可能出现异常提示;

依次关闭调试使用shift+F10按键，不要按退出键按钮；

软件效果：

file:///home/wishchin/图片/smplayer_screenshots/屏幕截图 2015-04-09 12:27:33.png

程序运行效果：

总结：

对于简单的图像处理使用CNN问题，比如给出了类似于人脸的结果图片，再进行模式识别。若从0开始，一般可以使用最简单的六层网络，使用Caffe可以仅配置参数就可以构建简单的CNN，一般的六层网络是这样设置的：

InPut——>Conv层——>Pooling层——>Conv层——>
Pooling层/ ReLU整流层+pooling层——>全链接层——>softMax层——>输出类别概率。

卷积核实现特征提取的各种不变性，同时可以完成梯度计算、主方向确定等功能。当然一般来说使用越大的卷积核越能学习全局的特征，且若要学到较为全局的特征，需要使用至少两个卷积层。

注意事项：

运行过程中：出现cublas无法构建的事，好像是可以忽视的………….

没有使用cublas成功，貌似使用了哪一个blas库来着………