Question

问题：

我已经训练了卷积神经网络（CNN）来确定/检测给定图像块中是否存在感兴趣的对象。

现在给出一个大图像，我试图通过将我的CNN模型应用到图像中每个像素周围的补丁，以滑动窗口方式定位图像中所有出现的对象。然而，这非常缓慢。

我的测试图像的大小是（512 x 512）。而且，对于我的caffe网，测试批量大小为1024，色块大小为（65 x 65 x 1）。

我尝试在一批补丁（size = test_batch_size）上应用我的caffe网，而不是一次只应用一个补丁。即使这样，它也很慢。

以下是我目前的解决方案，速度很慢。除了对我的测试图像进行下采样以加快速度之外，我将不胜感激。

当前解决方案非常缓慢：

def detectObjects(net, input_file, output_file):

    # read input image
    inputImage = plt.imread(input_file)

    # get test_batch_size and patch_size used for cnn net
    test_batch_size = net.blobs['data'].data.shape[0]
    patch_size = net.blobs['data'].data.shape[2]

    # collect all patches    
    w = np.int(patch_size / 2)

    num_patches = (inputImage.shape[0] - patch_size) * \
                  (inputImage.shape[1] - patch_size)

    patches = np.zeros((patch_size, patch_size, num_patches))
    patch_indices = np.zeros((num_patches, 2), dtype='int64')

    count = 0

    for i in range(w + 1, inputImage.shape[0] - w):
        for j in range(w + 1, inputImage.shape[1] - w):

            # store patch center index
            patch_indices[count, :] = [i, j]

            # store patch
            patches[:, :, count] = \
                inputImage[(i - w):(i + w + 1), (j - w):(j + w + 1)]

            count += 1

    print "Extracted %s patches" % num_patches

    # Classify patches using cnn and write result to output image
    outputImage = np.zeros_like(inputImage)
    outputImageFlat = np.ravel(outputImage)

    pad_w = test_batch_size - num_patches % test_batch_size
    patches = np.pad(patches, ((0, 0), (0, 0), (0, pad_w)),
                     'constant')
    patch_indices = np.pad(patch_indices, ((0, pad_w), (0, 0)),
                           'constant')

    start_time = time.time()

    for i in range(0, num_patches, test_batch_size):

        # get current batch of patches
        cur_pind = patch_indices[i:i + test_batch_size, :]

        cur_patches = patches[:, :, i:i + test_batch_size]
        cur_patches = np.expand_dims(cur_patches, 0)
        cur_patches = np.rollaxis(cur_patches, 3)

        # apply cnn on current batch of images
        net.blobs['data'].data[...] = cur_patches

        output = net.forward()

        prob_obj = output['prob'][:, 1]

        if i + test_batch_size > num_patches:

            # remove padded part
            num_valid = num_patches - i
            prob_obj = prob_obj[0:num_valid]
            cur_pind = cur_pind[0:num_valid, :]

        # set output
        cur_pind_lin = np.ravel_multi_index((cur_pind[:, 0],
                                             cur_pind[:, 1]),
                                             outputImage.shape)

        outputImageFlat[cur_pind_lin] = prob_obj

    end_time = time.time()
    print 'Took %s seconds' % (end_time - start_time)

    # Save output
    skimage.io.imsave(output_file, outputImage * 255.0)

我希望用线条

    net.blobs['data'].data[...] = cur_patches
    output = net.forward()

caffe会使用GPU并行地对cur_patches中的所有补丁进行分类。不知道为什么它仍然很慢。

Answer 1

我认为您所寻找的内容在Casting a Classifier into a Fully Convolutional Network of the "net surgery" tutorial部分中有描述这个解决方案基本上说的是，"InnerProduct"层可以转换为等效转换层，而不是转换层后跟"InnerProduct"层进行分类。 strong>完全卷积网络，可以处理任何大小的图像并根据输入大小输出预测转向完全卷积式架构将大大减少您当前进行的重新计算的数量，并且应该显着加快您的流程。

加速的另一个可能方向是使用truncated SVD trick通过两个较低等级矩阵的乘积来近似高维"InnerProduct"层。

如何加快测试图像中滑动窗口对象检测的效果

1 个答案: