Caffe |通過隨機裁剪來增加數據

Question

我試圖在Caffe上訓練我自己的網絡，類似於Imagenet模型。但是我對作物層感到困惑。直到我瞭解Imagenet模型中的作物層，在培訓期間，它將隨機抽取227x227圖像作物並訓練網絡。但是在測試期間，它將採用中心227x227圖像裁剪，當我們從256x256圖像裁剪中心227x27圖像時，我們是不是放鬆了圖像的信息？第二個問題是，我們如何確定在培訓期間需要的作物數量？

此外，我還訓練了同樣的網絡（層數相同，FC神經元的卷積大小明顯不同），首先從256x256圖像獲取227x227的作物，然後從256x256圖像獲取255x255作物。根據我的直覺，255x255作物的模型應該給我最好的結果。但是我用227x227圖像獲得更高的準確性，任何人都可以向我解釋背後的直覺，還是我做錯了什麼？

Answer 1

您的觀察結果不是特定於Caffe。

由於上游網絡層（卷積等）需要圖像爲相同尺寸，訓練和測試期間裁剪圖像的尺寸需要相同（您的情況爲227x227）。隨機作物在培訓期間完成，因爲您需要數據增強。但是，在測試期間，您想要針對標準數據集進行測試。否則，在測試期間報告的準確性也將取決於移動測試數據庫。

作物是在每次迭代時動態製作的。訓練批次中的所有圖像都是隨機裁剪的。我希望這能回答你的第二個問題。

你的直覺並不完整：對於更大的作物（227x227），你有更多的數據增加。數據增強從本質上創造了「新」訓練樣本。這對防止訓練時過度配合至關重要。對於較小的作物（255x255），您應該期望更好的培訓準確度，但測試準確度更低，因爲數據更可能過度配備。

當然，裁剪可能過度。太多的裁剪，你從圖像中失去了太多的信息。對於圖像分類，理想的裁剪尺寸是不會改變圖像類別的尺寸（即只裁剪掉背景）。