caffeピクセル単位の分類/回帰

Question

私がしたいのは、単純なピクセル単位の分類または回帰タスクを実行することです。したがって、私は入力画像とground_truthを持っています。私がしたいことは、私が円と矩形を持つ簡単なセグメンテーションタスクを行うことです。そして私は訓練したいと思います。どこに円があるのか​​、どこに長方形があるのですか？つまり、円があるすべての位置に値「1」を持ち、長方形があるすべての位置で値「2」を持つground_truth画像があります。それから私は画像とground_truth画像を.png画像の形で入力しています。

layer { 
    name: "upscore" 
    type: "Deconvolution" 
    bottom: "score_fr" 
    top: "upscore" 
    param { 
    lr_mult: 0 
    } 
    convolution_param { 
    num_output: 3 ## <<---- 0 = backgrund 1 = circle 2 = rectangle 
    bias_term: false 
    kernel_size: 63 
    stride: 32 
    } 
} 
layer { 
    name: "score" 
    type: "Crop" 
    bottom: "upscore" 
    bottom: "data" 
    top: "score" 
    crop_param { 
    axis: 2 
    offset: 18 
    } 
} 
layer { 
    name: "loss" 
    type: "SoftmaxWithLoss" ## <<---- 
    bottom: "score" 
    bottom: "ground_truth" 
    top: "loss" 
    loss_param { 
    ignore_label: 0 
    } 
} 

：私は fcn alexnet

分類から完全に畳み込みAlexNetを使用している：

は、それから私は、私はどちらか私の損失層に応じて、回帰または分類タスクにすることができると思います

回帰：

layer { 
    name: "upscore" 
    type: "Deconvolution" 
    bottom: "score_fr" 
    top: "upscore" 
    param { 
    lr_mult: 0 
    } 
    convolution_param { 
    num_output: 1 ## <<---- 1 x height x width 
    bias_term: false 
    kernel_size: 63 
    stride: 32 
    } 
} 
layer { 
    name: "score" 
    type: "Crop" 
    bottom: "upscore" 
    bottom: "data" 
    top: "score" 
    crop_param { 
    axis: 2 
    offset: 18 
    } 
} 
layer { 
    name: "loss" 
    type: "EuclideanLoss" ## <<---- 
    bottom: "score" 
    bottom: "ground_truth" 
    top: "loss" 
} 

しかし、これは私が望む結果さえももたらさない。私は、ピクセル単位の分類/回帰の私の理解には何か問題があると思う。私の間違いがどこにあるのか教えてください。出力の検索は次のようになり、回帰について

EDIT 1

：

output_blob = pred['result'].data 

predicated_image_array = np.array(output_blob) 
predicated_image_array = predicated_image_array.squeeze() 
print predicated_image_array.shape 
#print predicated_image_array.shape 

#print mean_array 
range_value = np.ptp(predicated_image_array) 
min_value = predicated_image_array.min() 
max_value = predicated_image_array.max() 

# make positive 
predicated_image_array[:] -= min_value 

if not range_value == 0: 
    predicated_image_array /= range_value 

predicated_image_array *= 255 
predicated_image_array = predicated_image_array.astype(np.int64) 
print predicated_image_array.shape 

cv2.imwrite('predicted_output.jpg', predicated_image_array) 

出力が1×高さ×幅であり、値が実際に出力されるので、これは容易です値。しかし、出力が3（ラベル数）×高さ×幅であるため、分類/ SotMaxLayerの出力をどのように取得するのでしょうか。しかし、私はこの形の内容の意味を知らない。

Answer 1

まず、あなたの問題はregressionではなく、classificationです！

ネットに、円と長方形を認識させるには、画像とラベルの別のデータセットを作成する必要があります（例：circle - 0 and rectangle - 1）。イメージパスとイメージラベルを含むテキストファイルを作成します（例：/path/circle1.png 0 /path/circle2.png 0 /path/rectangle1.png 1 /path/rectangle1.png 1）。あなたのような問題のためにここにいいtutorialがあります。がんばろう。