HDF5转换代码

Question

我正在使用Caffe将GoogleNet网络微调到我自己的数据集。如果我使用IMAGE_DATA图层作为输入学习发生。但是，我需要切换到HDF5层以进行我需要的进一步扩展。当我使用HDF5图层时，不会进行任何学习。

我使用完全相同的输入图像，标签也匹配。我还检查过以确保.h5文件中的数据可以正确加载。确实如此，Caffe也能够找到我提供的示例数量以及正确的类数（2）。

这让我认为问题在于我手动执行的转换（因为HDF5层不执行任何内置转换）。这些代码如下。我做了以下事情：

将图像从RGB转换为BGR
将其大小调整为256x256，这样我就可以从ImageNet中减去平均文件（included in the Caffe library）
由于原始GoogleNet原型文件没有除以255，我也没有（see here）
我将图片大小调整为224x224，这是GoogleNet所需的裁剪尺寸
根据Caffe
目前我没有进行数据扩充，如果我让过采样=真，可以启用数据扩充。

任何人都可以看到这种方法有什么问题吗？数据扩充是如此重要，没有它就不会进行学习吗？

HDF5转换代码

IMG_RESHAPE = 224
IMG_UNCROPPED = 256

def resize_convert(img_names, path=None, oversample=False):
    '''
    Load images, set to BGR mode and transpose to CxHxW
    and subtract the Imagenet mean. If oversample is True, 
    perform data augmentation.

    Parameters:
    ---------
    img_names (list): list of image names to be processed.
    path (string): path to images.
    oversample (bool): if True then data augmentation is performed
        on each image, and 10 crops of size 224x224 are produced 
        from each image. If False, then a single 224x224 is produced.
    '''

    path = path if path is not None else ''
    if oversample == False:
        all_imgs = np.empty((len(img_names), 3, IMG_RESHAPE, IMG_RESHAPE), dtype='float32')
    else:
        all_imgs = np.empty((len(img_names), 3, IMG_UNCROPPED, IMG_UNCROPPED), dtype='float32')

    #load the imagenet mean
    mean_val = np.load('/path/to/imagenet/ilsvrc_2012_mean.npy')

    for i, img_name in enumerate(img_names):
        img = ndimage.imread(path+img_name, mode='RGB') # Read as HxWxC

        #subtract the mean of Imagenet
        #First, resize to 256 so we can subtract the mean of dims 256x256 
        img = img[...,::-1] #Convert RGB TO BGR
        img = caffe.io.resize_image(img, (IMG_UNCROPPED, IMG_UNCROPPED), interp_order=1)
        img = np.transpose(img, (2, 0, 1))  #HxWxC => CxHxW 
        #Since mean is given in Caffe channel order: 3xWxH
        #Assume it also is given in BGR order
        img = img - mean_val

        #set to 0-1 range => I don't think googleNet requires this
        #I tried both and it didn't make a difference
        #img = img/255

        #resize images down since GoogleNet accepts 224x224 crops
        if oversample == False:
            img = np.transpose(img, (1,2,0))  # CxHxW => HxWxC 
            img = caffe.io.resize_image(img, (IMG_RESHAPE, IMG_RESHAPE), interp_order=1)
            img = np.transpose(img, (2,0,1)) #convert to CxHxW for Caffe 
        all_imgs[i, :, :, :] = img

    #oversampling requires HxWxC order
    if oversample:
        all_imgs = np.transpose(all_imgs, (0, 3, 1, 2))
        all_imgs = caffe.io.oversample(all_imgs, (IMG_RESHAPE, IMG_RESHAPE))
        all_imgs = np.transpose(all_imgs, (0,2,3,1)) #convert to CxHxW for Caffe 

    return all_imgs

IMAGE_DATA和HDF5原型文件之间的相关差异

name: "GoogleNet"
layers {
  name: "data"
  type: HDF5_DATA
  top: "data"
  top: "label"
  hdf5_data_param {
    source: "/path/to/train_list.txt"
    batch_size: 32
  }
  include: { phase: TRAIN }
}
layers {
  name: "data"
  type: HDF5_DATA
  top: "data"
  top: "label"
  hdf5_data_param {
    source: "/path/to/valid_list.txt"
    batch_size:10
  }
  include: { phase: TEST }
}

更新

当我说没有进行学习时，我的意思是，与IMG_Data相比，使用HDF5数据时，我的训练损失不会持续下降。在下图中，第一幅图描绘了IMG_DATA网络的训练损失的变化，另一幅是HDF5数据网络。

我正在考虑的一种可能性是，网络过度拟合了我正在喂它的每个.h5。目前我正在使用数据扩充，但所有扩充示例都与其他示例一起存储在单个.h5文件中。但是，因为单个输入图像的所有增强版本都包含在同一个.h5文件中，我认为这可能会导致网络过度匹配到特定的.h5文件。但是，我不确定这是否是第二个情节所暗示的。

Answer 1

我遇到了同样的问题，发现由于某些原因，你在代码中手动进行转换会导致图像全黑（全为零）。尝试调试您的代码，看看是否发生了这种情况。解决方案是使用Caffe教程中解释的相同方法 http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/00-classification.ipynb 你看到的部分

# create transformer for the input called 'data'
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
transformer.set_transpose('data', (2,0,1))  # move image channels to outermost dimension
transformer.set_mean('data', mu)            # subtract the dataset-mean value in each channel
transformer.set_raw_scale('data', 255)      # rescale from [0, 1] to [0, 255]
transformer.set_channel_swap('data', (2,1,0))  # swap channels from RGB to BGR

然后几行

image = caffe.io.load_image(caffe_root + 'examples/images/cat.jpg')
transformed_image = transformer.preprocess('data', image)

Caffe HDF5没有学习

HDF5转换代码

IMAGE_DATA和HDF5原型文件之间的相关差异

更新

1 个答案: