caffe的剪裁策略是适用于随机作物培训和中心作物进行测试。Caffe - 通过剪裁增强图像
从实验中,我观察到,如果我可以在训练过程中为同一图像提供两个裁剪版本(随机和中心),则识别准确性会提高。这些实验数据(大小100x100)通过在115x115大小的图像上应用随机和中心裁剪,脱机生成(不使用caffe)。
我想知道如何在caffe中执行此任务?
注:我想使用2个数据层,每个层都有不同的裁剪(中心和随机),然后执行连接。但是,我发现咖啡在培训期间不允许中心作物。
caffe的剪裁策略是适用于随机作物培训和中心作物进行测试。Caffe - 通过剪裁增强图像
从实验中,我观察到,如果我可以在训练过程中为同一图像提供两个裁剪版本(随机和中心),则识别准确性会提高。这些实验数据(大小100x100)通过在115x115大小的图像上应用随机和中心裁剪,脱机生成(不使用caffe)。
我想知道如何在caffe中执行此任务?
注:我想使用2个数据层,每个层都有不同的裁剪(中心和随机),然后执行连接。但是,我发现咖啡在培训期间不允许中心作物。
简单的答案是准备另一个已裁剪的训练数据数据集,裁剪为100x100。然后将此数据集与您的原始数据和火车混合。通过这种方式,随机裁剪新图像实际上会让您裁剪中心。
更复杂的方法是使用caffe API(MATLAB和Python)手工制作批次,并将手动批次即时送入网络。 您可以通过不同的方式来检查link。
咖啡做中心裁剪测试?你介意提供任何参考吗? – wlnirvana
这是来自caffe-github问题的答案。我现在忘记了这个链接:-( – Hasnat