问题标签 [matcaffe]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
deep-learning - 什么样的动态人工数据增强可以应用于语义分割?
我分别有近 5223 和 577 张图像用于训练和验证集。我正在应用 CNN 进行图像分割,并且想做人工的动态数据增强。我已经安装了Caffe
最新版本。我想知道这个版本的 Caffe 是否支持数据增强?如果是,您能否为我分享一些资源?另一个问题是,每当我们进行人工数据增强时,我们是否应该根据增强大小来改变 epoch?例如,如果我只应用镜像,我应该通过乘以 2 来更改 epoch 的大小吗?
caffe - 将值缩放到 [0,1] 会影响 CNN 学习过程吗?
我正在使用 CNN 进行语义分割。
我已将图像的值标准化为范围 [0,1]。我已经多次训练我的网络,学习曲线似乎学习得很好,但是,输出总是黑色图像。我的问题是缩放真的会影响学习还是像素值的范围应该保持在 0-255 范围内?
非常感谢。
caffe - 在大图像尺寸上测试 FCN
我正在 Caffe 中测试 FCN-VGG16 网络。我没有将输入图像的大小调整为固定大小,而是每次都将网络重塑为图像大小。我在 matcaffe 和 pycaffe 中都试过这个。在这两种情况下,它似乎都能够运行小图像(例如,500x500)。但是,当我有更大尺寸的图像(例如 1920 x 1080)时,我会收到此错误“检查失败:错误 == cudaSuccess (2 vs. 0) out of memory”。我在具有 12 GB 内存的 Quadro M6000 GPU 上运行它。任何帮助/建议将不胜感激。
c++ - 无法将参数 1 从 'char *' 转换为 'const caffe::NetParameter
我在用 matlab 构建 opencl caffe 时遇到了这个问题。
"D:\Projects\shawkat\caffe-opencl\caffe-opencl\build\ALL_BUILD.vcxproj" (默认目标) (1) -> "D:\Projects\shawkat\caffe-opencl\caffe-opencl\build\Matlab \matlab.vcxproj" (默认目标) (25) -> (ClCompile 目标) -> D:\Projects\shawkat\caffe-opencl\caffe-opencl\matlab+caffe\private\caffe_.cpp(285): 错误 C2664 : 'caffe::Net: :Net(const caffe::Net &)': 无法将参数 1 从 'char *' 转换为 'const caffe::NetParameter &' [D:\Projects \shawkat\caffe-opencl\caffe -opencl\build\Matlab\matlab.vcxproj
问题出在文件中的函数 get_netcaffe_.cpp
这是文件中的这个函数
deep-learning - 如何开始为我的图层编写代码?
我看到研究人员正在向原始版本的 Caffe 添加一些功能,并根据他们的需要使用这些层和功能,然后通过Github
. 如果我没记错的话,有两种方法:1)
在添加 c++ 和 Cuda 版本的层之后重新编译 Caffe。2)
为该功能编写 python 代码并将其称为 Caffe 中的 python 层。
我想根据我的研究问题向 Caffe 添加一个新层。我真的不知道我应该从哪一点开始编写新层以及我应该考虑哪些步骤。
我的问题是:
1) 是否有任何文档或任何学习资料可用于编写图层?
2)上述添加新层的方法中首选哪种方式?
我非常感谢任何帮助和指导
非常感谢
deep-learning - 添加元素层后是否可以使用预训练模型?
我正在使用一个预训练模型,我想添加Elementwise
层来产生两层的输出:一层是卷积层1x1x256x256
的输出,另一层也是卷积层的输出1x32x256x256
。我的问题是:如果我们添加元素层来将两层相乘并发送到下一层,我们应该从头开始训练,因为架构已经修改,还是仍然可以使用pretrained
模型?
谢谢
python - 用于语义分割的动态数据增强,我的 python 层定义是否正确?
我不是 and 方面的专家caffe
,Python
但我正在尝试逐步学习。我有点困惑,所以如果专家能看看我的问题,我将不胜感激。
我正在研究图像分割。我正在尝试on-the-fly
通过添加 python 层来进行数据扩充。对于我的数据集,我想在 x 轴和 y 轴(另外 4 个平移)上进行 (+10,-10) 的平移,添加高斯噪声和水平翻转。
我的问题是:
caffe 是如何将图片与标签同步的?例如,如果我将图像
data
逐层发送到网络并在侧面label
发送到SoftmaxWithLoss
(例如)。我已经(手动)绘制了数据增强和正常流动的示意图,我不确定我的理解是否正确!从图中可以看出,对于翻译,我们必须以同步的方式翻译图像和ground truth(或者对于翻转,我们也必须翻转标签);例如,如果我将图像分别在 x 轴和 y 轴上移动 -10 和 -10 像素,则地面真实图像也需要相应地重新定位。如何在 caffe Python 层中做到这一点。我的理解是否正确(基于该图)?我编写的python层如下:
这是层定义:
如果我要向网络添加其他增强技术,我应该为它们中的每一个编写单独的模块吗?或者我可以编写一个包含许多
bottoms
和相应的python 层tops
吗?如果是,我怎么知道哪个顶部与哪个底部相关?在添加高斯噪声的情况下,我们确实有与输入图像相同的标签,这个层的定义如何?
python - 为什么 caffe 会引发此错误?ImportError:无法导入名称 _remove_dead_weakref
我编写了一个 Python 层,将底部放入数组 ( im
),压缩维度并打印数组 ( ) 的形状im_shape
。
caffe
正在引发以下错误,即使再次重新编译后,我也会收到此错误。有人可以帮助我为什么显示此错误吗?我
caffe - 如何将多通道(5 通道)加载到已经在 RGB 图像上训练过的 FCN 中?
我正在使用 FCN8s 及其预训练模型对我的数据进行语义分割。由于vanilla-fcn模型接受三通道图像 (RGB),我不知道如何将 5 通道图像提供给模型。有人可以解释一下如何为使用预训练模型的模型提供输入吗?谢谢