caffe的剪裁策略是適用於隨機作物培訓和中心作物進行測試。Caffe - 通過剪裁增強圖像
從實驗中,我觀察到,如果我可以在訓練過程中爲同一圖像提供兩個裁剪版本(隨機和中心),則識別準確性會提高。這些實驗數據(大小100x100)通過在115x115大小的圖像上應用隨機和中心裁剪,脫機生成(不使用caffe)。
我想知道如何在caffe中執行此任務?
注:我想使用2個數據層,每個層都有不同的裁剪(中心和隨機),然後執行連接。但是,我發現咖啡在培訓期間不允許中心作物。
caffe的剪裁策略是適用於隨機作物培訓和中心作物進行測試。Caffe - 通過剪裁增強圖像
從實驗中,我觀察到,如果我可以在訓練過程中爲同一圖像提供兩個裁剪版本(隨機和中心),則識別準確性會提高。這些實驗數據(大小100x100)通過在115x115大小的圖像上應用隨機和中心裁剪,脫機生成(不使用caffe)。
我想知道如何在caffe中執行此任務?
注:我想使用2個數據層,每個層都有不同的裁剪(中心和隨機),然後執行連接。但是,我發現咖啡在培訓期間不允許中心作物。
簡單的答案是準備另一個已裁剪的訓練數據數據集,裁剪爲100x100。然後將此數據集與您的原始數據和火車混合。通過這種方式,隨機裁剪新圖像實際上會讓您裁剪中心。
更復雜的方法是使用caffe API(MATLAB和Python)手工製作批次,並將手動批次即時送入網絡。 您可以通過不同的方式來檢查link。
咖啡做中心裁剪測試?你介意提供任何參考嗎? – wlnirvana
這是來自caffe-github問題的答案。我現在忘記了這個鏈接:-( – Hasnat