2016-09-22 107 views
0

caffe的剪裁策略是適用於隨機作物培訓和中心作物進行測試。Caffe - 通過剪裁增強圖像

從實驗中,我觀察到,如果我可以在訓練過程中爲同一圖像提供兩個裁剪版本(隨機和中心),則識別準確性會提高。這些實驗數據(大小100x100)通過在115x115大小的圖像上應用隨機和中心裁剪,脫機生成(不使用caffe)。

我想知道如何在caffe中執行此任務?

注:我想使用2個數據層,每個層都有不同的裁剪(中心和隨機),然後執行連接。但是,我發現咖啡在培訓期間不允許中心作物。

+0

咖啡做中心裁剪測試?你介意提供任何參考嗎? – wlnirvana

+0

這是來自caffe-github問題的答案。我現在忘記了這個鏈接:-( – Hasnat

回答

1

簡單的答案是準備另一個已裁剪的訓練數據數據集,裁剪爲100x100。然後將此數據集與您的原始數據和火車混合。通過這種方式,隨機裁剪新圖像實際上會讓您裁剪中心。

更復雜的方法是使用caffe API(MATLAB和Python)手工製作批次,並將手動批次即時送入網絡。 您可以通過不同的方式來檢查link

+0

我實際上採用了簡單的方法,即通過我自己創建裁剪版本,並用整個數據集擴充它,但它只是將lmdb文件的大小加倍。 基於Python的解決方案但是,有一個問題:如果我使用python層,那麼我不能在多個gpus上運行程序,即減少計算能力。 – Hasnat

+1

是的,已經達成共識.Python Interface尚不支持多GPU,但請記住,多GPU不會增加您的計算能力,但只會增加您的GPU RAM容量(如果您必須使用大批量大小,或者您正在處理不適合單GPU存儲器的大網絡) – AHA