在caffe中训练数据增强及其多标签

Question

如何随机裁剪训练图像及其位置标签。

我正在预处理图像数据及其标签以进行咖啡输入。我想在线随机裁剪我的训练图像（当跑步时），我知道caffe在图层random crop中提供随机裁剪参数。问题是我的每个相应图像的标签在变换图像时是变体的。因此，我必须将变换的图像与标签一起更改。我试着长时间搜索我的问题，但没有用。然后我意识到可能有两种方法可以解决这些问题：

1. 获取原始图像上随机裁剪图像的偏移量。但我用谷歌搜索没有答案。
2. 我将在线指定随机偏移，然后按特定偏移量crop specific offset裁剪图像。但是如何在caffe训练时产生一个随机数。
3. 我知道预处理随机裁剪图像并且其标签离线可能是一种可行的方法。但是，它会占用相当大的磁盘空间，因为我的训练数据集太大了。

我的位置对应标签： 我将每个训练图像分割为10x10=100网格。标签是图像中特定关键点的网格索引。例如，当我的头部关键点位于<2th row, 1th col>图像网格的位置时，标签将为11。

Answer 1

您可以使用"Python" layer执行此任务，因为您已pointed out（我认为这是最简单的方法）。 如果您关心此图层的运行时间，可以将其设置为多线程：让图层调用多个线程来裁剪图像并重新计算其标签。这些线程将在后台运行，并且应该能够及时为下一个小批量提供足够的数据。

请参阅Thread类的python threading模块。您可能还会发现使用Queue类同步线程和主输入层很方便。