python - Caffe 多标签矩阵输入

Question

我正在使用 ConvNet 解决检测问题。但是在我的例子中，标签是每个图像的维度 [3 x 5] 的矩阵。我使用 Caffe 来完成这项工作。我使用 Datalayer 读取图像，同时使用 HDF5Layer 读取标签。

HDF5Layer 将 [3x5] 标签矩阵读取为 [1x15] 维 vector 。因此，在计算 L2 损失之前，我使用了 Reshape Layer 将 vector reshape 为矩阵。但是我意识到 reshape 层将数据格式化为 H x W 而我的标签矩阵是 [W x H] 即 [w=3, h=5] 因此 reshape 是不正确的。我想知道有没有办法以正确的顺序 reshape [1x15] 标签 vector ，即 [3x5] 而不是 [5x3 ]

我认为我可以解决的另一种方法是将输出形式的卷积层展平为 [1 x 15]，然后使用我的 [1 x 15] 标签计算损失。

由于我的英语不好，我使用图表来展示问题以便更好地理解。

我的输入矩阵标签示例(注意图像只是为了说明而放大)

Caffe Reshape 层结果

如果我做对了有什么建议吗？

Answer 1

计算损失的任何一种方法都可以。事实上，以 1x15 形状计算可以节省您转换的时间。损失计算仍然是逐个像素的；逻辑组织并不重要。

使用相同的想法，计算 3x5 还是 5x3 并不重要；重要的是你的卷积输出和你的标签正确匹配。

如果您希望显示(图形、图片等)匹配，也许您可​​以在绘制输出之前切换 x 和 y 指定。