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 层作为输入学习发生。但是，我需要切换到 HDF5 层以进行所需的进一步扩展。当我使用 HDF5 层时，不会发生学习。
我使用完全相同的输入图像，并且标签也匹配。我还检查以确保 .h5 文件中的数据可以正确加载。确实如此，而且 Caffe 还能够找到我提供给它的示例数量以及正确的类数量 (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。我执行以下操作：
- 将图像从 RGB 转换为 BGR
- 将其大小调整为 256x256，以便我可以从 ImageNet 中减去平均文件（包含在 Caffe 库中）
- 由于原始的 GoogleNet prototxt 没有除以 255，我也没有（见这里）
- 我将图像大小调整为 224x224，这是 GoogleNet 所需的裁剪大小
- 根据 Caffe 的要求，我根据需要转置图像以满足 CxHxW
- 目前我没有执行数据增强，如果我让 oversample=True 可以打开它。
有人能看出这种方法有什么问题吗？数据增强是否如此重要以至于没有它就无法进行学习？
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 prototxt 文件的相关区别
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
当我说没有学习发生时，我的意思是与 IMG_Data 相比，使用 HDF5 数据时我的训练损失并没有持续下降。在下图中，第一个图是 IMG_DATA 网络的训练损失变化，另一个是 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提供给它的每个 .h5。目前我正在使用数据增强，但所有增强的示例都与其他示例一起存储到一个 .h5 文件中。但是，由于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适应该特定的 .h5 文件。但是，我不确定这是否是第二个情节所暗示的。
