caffe的种植策略是将随机作物用于训练,中心作物用于测试.
通过实验,我观察到,如果我能够在训练过程中为同一幅图像提供两个裁剪版本(随机和中心),那么识别的准确性就会提高。这些实验数据(大小为100x100)是通过在115 x115大小的图像上应用随机和中心裁剪来脱机生成的(不使用caffe)。
我想知道如何在caffe完成这个任务?
注意:I考虑使用两个数据层,每个数据层具有不同的裁剪(中心和随机),然后执行连接。然而,我发现caffe在训练中不允许中心作物。
发布于 2016-09-23 04:00:30
简单的答案是准备另一个已经裁剪的训练数据集,裁剪到100x100。然后将此数据集与原始数据混合并进行培训。这样,你的新图像的随机剪裁实际上会给你中心裁剪。
更复杂的方法是使用caffe (MATLAB和Python)手工制作批处理,并将手工制作的批处理实时地提供给网络。您可以检查此link是否有不同的实现方法。
https://stackoverflow.com/questions/39633624
复制相似问题