Caffe中输入人工特征的单标签回归(Finetuning)

Question

我有，比方说，n图像，对于每个图像，我有另外2个人工(合成)特征，图像标签是一维整数。

我想微调dataset上的Image，但是我不知道如何处理这两个附加的特性作为输入，我应该如何将数据提供给caffe？请帮帮我！

编辑:这两个特性可以是任意2个数字(一维)，比如两个数字，表示图像属于哪一类，以及有多少图像属于该类。

比方说，我有'cat.jpg'，那么特性是，5和2000，其中5是表示类的特性1,2000是该类中的总图像。简而言之，这两个特征可以是任意两个整数。

Answer 1

我认为最直接的方法是使用"HDF5Data"输入层，在这里您可以同时存储输入图像、附加的两个“特性”和预期的输出值(用于回归)。

您可以看到在python中创建HDF5数据的示例HDF5。一个Matlab的例子可以找到here。

您的HDF5应该有4个“数据集”：一个是输入图像(或者dim 4096的图像描述符)。图像/描述符的n维数组。

另一个数据集是"feat_1" n by 1数组，"feat_2"和n由1数组组成。

最后，您应该有另一个输入"target"，由您希望学习的预期输出的一个数组组成的n。

一旦您有了一个HDF5文件并准备好了其中的这些数据集，您就应该有

layer {
  type: "HDF5Data"
  top: "data" # name of dataset with images/imagenet features
  top: "feat_1"
  top: "feat_2"
  top: "target"
  hdf5_data_param {
    source: "/path/to/list/file.txt"
  }
}

如您所见，单个"HDF5Data"层可以生成几个“顶级”层。