如何在caffe中实现soft-argmax？

Question

在Caffe深度学习框架中，存在一个argmax层，该层不可区分，因此不能用于CNN的端到端训练。 谁能告诉我如何实现argmax的软版本，即soft-argmax？

我想从热图中回归坐标，然后在损失计算中使用这些坐标。我对这个框架非常陌生，因此不知道如何执行此操作。任何帮助将不胜感激。

Answer 1

我没有得到您想要的，但是有以下选择：

1. 使用L2损失训练回归任务（EuclideanLoss）。或SmoothL1Loss（来自Wei Lui的SSD Caffe）或L1（不知道是不是得到了）。

2. 使用具有交叉熵损失的Softmax（SoftmaxWithLoss）来训练具有与x或y坐标的可能值相对应的类的分类任务。例如，一个损耗层代表x，一个损耗层代表y。 SoftmaxWithLoss接受label作为数字值，并使用static_cast（）将其强制转换为int。但是要考虑到实现不会检查强制转换的值是否在0 ..（num_classes-1）范围内，因此必须小心。

3. 如果您想要更多不寻常的东西，则必须使用C ++，C ++ / CUDA或Python + NumPy编写自己的图层。除非您已经在使用别人的实现，否则通常就是这种情况。