回归caffe的测试标签，不允许浮动？

Question

我正在使用caffe进行回归，而我的test.txt和train.txt文件是这样的：

/home/foo/caffe/data/finetune/flickr/3860781056.jpg 2.0  
/home/foo/caffe/data/finetune/flickr/4559004485.jpg 3.6  
/home/foo/caffe/data/finetune/flickr/3208038920.jpg 3.2  
/home/foo/caffe/data/finetune/flickr/6170430622.jpg 4.0  
/home/foo/caffe/data/finetune/flickr/7508671542.jpg 2.7272

我的问题是，当我在阅读时使用浮动标签时，似乎caffe不允许像2.0这样的浮动标签，例如'test.txt'文件caffe只能识别

共1张图片

这是错的。

但是当我例如将文件中的2.0更改为2并且以下行相同时，caffe现在给出了

共2张图片

暗示浮动标签是造成问题的原因。

任何人都可以帮助我，解决这个问题，我肯定需要使用浮动标签进行回归，所以有人知道解决方案或解决方案吗？提前致谢。

编辑对于任何面临类似问题的人来说，use caffe to train Lenet with CSV data可能会有所帮助。感谢@Shai。

Answer 1

使用图像数据集输入图层（使用lmdb或leveldb后端）时，caffe仅支持每个输入图像一个整数标签。

如果要进行回归并使用浮点标签，则应尝试使用HDF5数据层。例如，参见this question。

在python中，您可以使用h5py包来创建hdf5文件。

import h5py, os
import caffe
import numpy as np

SIZE = 224 # fixed size to all images
with open( 'train.txt', 'r' ) as T :
    lines = T.readlines()
# If you do not have enough memory split data into
# multiple batches and generate multiple separate h5 files
X = np.zeros( (len(lines), 3, SIZE, SIZE), dtype='f4' ) 
y = np.zeros( (len(lines),1), dtype='f4' )
for i,l in enumerate(lines):
    sp = l.split(' ')
    img = caffe.io.load_image( sp[0] )
    img = caffe.io.resize( img, (SIZE, SIZE, 3) ) # resize to fixed size
    # you may apply other input transformations here...
    # Note that the transformation should take img from size-by-size-by-3 and transpose it to 3-by-size-by-size
    # for example
    # transposed_img = img.transpose((2,0,1))[::-1,:,:] # RGB->BGR
    X[i] = transposed_img
    y[i] = float(sp[1])
with h5py.File('train.h5','w') as H:
    H.create_dataset( 'X', data=X ) # note the name X given to the dataset!
    H.create_dataset( 'y', data=y ) # note the name y given to the dataset!
with open('train_h5_list.txt','w') as L:
    L.write( 'train.h5' ) # list all h5 files you are going to use

一旦你有了所有h5文件和列出它们的相应测试文件，你就可以在你的train_val.prototxt中添加一个HDF5输入层：

 layer {
   type: "HDF5Data"
   top: "X" # same name as given in create_dataset!
   top: "y"
   hdf5_data_param {
     source: "train_h5_list.txt" # do not give the h5 files directly, but the list.
     batch_size: 32
   }
   include { phase:TRAIN }
 }

---

澄清： 当我说“caffe每个输入图像只支持一个整数标签”时，我并不是说leveldb / lmdb容器是有限的，我的意思是caffe的工具，特别是convert_imageset工具。 仔细观察，似乎caffe在leveldb / lmdb中存储Datum类型的数据，并且此类型的“label”属性被定义为整数（请参阅caffe.proto），因此当使用caffe接口到leveldb / lmdb时，您被限制为单个int32每张图片标签。

Answer 2

Shai's answer已经将浮动标签保存为HDF5格式。如果LMDB是必需/首选的，这里有一个关于如何从float数据创建LMDB的片段（改编自this github comment）：

import lmdb
import caffe
def scalars_to_lmdb(scalars, path_dst):

    db = lmdb.open(path_dst, map_size=int(1e12))

    with db.begin(write=True) as in_txn:    
        for idx, x in enumerate(scalars):            
            content_field = np.array([x])
            # get shape (1,1,1)
            content_field = np.expand_dims(content_field, axis=0)
            content_field = np.expand_dims(content_field, axis=0)
            content_field = content_field.astype(float)

            dat = caffe.io.array_to_datum(content_field)
            in_txn.put('{:0>10d}'.format(idx) dat.SerializeToString())
    db.close()

Answer 3

我最终调换，切换频道顺序，并使用无符号整数而不是浮点数来获得结果。我建议您从HDF5文件中读取图像，以确保它正确显示。

首先将图像作为无符号整数读取：

img = np.array(Image.open('images/' + image_name))

然后将通道顺序从RGB更改为BGR：

img = img[:, :, ::-1]

最后，从高度x宽度x通道切换到通道x高度x宽度：

img = img.transpose((2, 0, 1))

仅仅改变形状会扰乱你的形象并破坏你的数据！

要回读图像：

with h5py.File(h5_filename, 'r') as hf:
    images_test = hf.get('images')
    targets_test = hf.get('targets')
    for i, img in enumerate(images_test):
        print(targets_test[i])
        from skimage.viewer import ImageViewer
        viewer = ImageViewer(img.reshape(SIZE, SIZE, 3))
        viewer.show()

这是我写的一个脚本，它处理自动驾驶汽车任务的两个标签（转向和速度）：https://gist.github.com/crizCraig/aa46105d34349543582b177ae79f32f0

Answer 4

除了上面的@Shai's answer，我写了一个支持MultiTaskData类型标签的float层。

其主要思想是将标签存储在float_data的Datum字段中，并且MultiTaskDataLayer将根据task_num中设置的label_dimension和net.prototxt的值将它们解析为任意数量任务的标签。相关文件包括：caffe.proto，multitask_data_layer.hpp/cpp，io.hpp/cpp。

您可以轻松地将此图层添加到您自己的caffe中并像这样使用它（这是面部表情标签分布学习任务的示例，其中“exp_label”可以是浮点型向量，例如[0.1,0.1,0.5,0.2,0.1 ]表示面部表情（5级）的概率分布。）：

    name: "xxxNet"
    layer {
        name: "xxx"
        type: "MultiTaskData"
        top: "data"
        top: "exp_label"
        data_param { 
            source: "expression_ld_train_leveldb"   
            batch_size: 60 
            task_num: 1
            label_dimension: 8
        }
        transform_param {
            scale: 0.00390625
            crop_size: 60
            mirror: true
        }
        include:{ phase: TRAIN }
    }
    layer { 
        name: "exp_prob" 
        type: "InnerProduct"
        bottom: "data"  
        top: "exp_prob" 
        param {
            lr_mult: 1
            decay_mult: 1
        }
        param {
            lr_mult: 2
            decay_mult: 0
        }
        inner_product_param {
            num_output: 8
            weight_filler {
            type: "xavier"
            }    
        bias_filler {      
            type: "constant"
            }  
        }
    }
    layer {  
        name: "exp_loss"  
        type: "EuclideanLoss"  
        bottom: "exp_prob" 
        bottom: "exp_label"
        top: "exp_loss"
        include:{ phase: TRAIN }
    }