neural-network - 如何从图像目录中为 siamese 网络创建 CaffeDB 训练数据

Question

我需要一些帮助才能从带有图像和标签文本文件的普通目录中为 siamese CNN 创建 CaffeDB。最好是用 python 的方式来做到这一点。
问题不是遍历目录并制作成对的图像。我的问题更多是从这些对中制作 CaffeDB。
到目前为止我只用过 convert_imageset 从图像目录中创建 CaffeDB。
感谢帮助!

Answer 1

为什么不简单地使用旧的 convert_imagest 制作两个数据集？ ?

layer {
  name: "data_a"
  top: "data_a"
  top: "label_a"
  type: "Data"
  data_param { source: "/path/to/first/data_lmdb" }
  ...
}
layer {
  name: "data_b"
  top: "data_b"
  top: "label_b"
  type: "Data"
  data_param { source: "/path/to/second/data_lmdb" }
  ...
}

至于损失，因为每个例子都有一个类标签，你需要转换 label_a和 label_b成 same_not_same_label .我建议您使用 python 层“即时”执行此操作。在 prototxt添加对python层的调用:

layer {
  name: "a_b_to_same_not_same_label"
  type: "Python"
  bottom: "label_a"
  bottom: "label_b"
  top: "same_not_same_label"
  python_param { 
    # the module name -- usually the filename -- that needs to be in $PYTHONPATH
    module: "siamese"
    # the layer name -- the class name in the module
    layer: "SiameseLabels"
  }
  propagate_down: false
}

创建 siamese.py (确保它在您的 $PYTHONPATH 中)。在 siamese.py你应该有图层类:

import sys, os
sys.path.insert(0,os.environ['CAFFE_ROOT'] + '/python')
import caffe
class SiameseLabels(caffe.Layer):
  def setup(self, bottom, top):
    if len(bottom) != 2:
       raise Exception('must have exactly two inputs')
    if len(top) != 1:
       raise Exception('must have exactly one output')
  def reshape(self,bottom,top):
    top[0].reshape( *bottom[0].shape )
  def forward(self,bottom,top):
    top[0].data[...] = (bottom[0].data == bottom[1].data).astype('f4')
  def backward(self,top,propagate_down,bottom):
      # no back prop
      pass

确保以不同的方式对两组中的示例进行混洗，以便获得非平凡的对。此外，如果您使用不同数量的示例构建第一个和第二个数据集，那么您将在每个时期看到不同的对；)

确保您构建的网络共享重复层的权重，请参阅 this tutorial想要查询更多的信息。