我正在尝试使用 caffe (我正在使用 python 包装器)构建用于显着性分析的深度学习模型。但我无法理解如何为此目的生成 lmdb 数据结构。我已经浏览了 Imagenet 和 mnist 示例,我明白我应该以以下格式生成标签
my_test_dir/picture-foo.jpg 0
但就我而言,我将用 0 或 1 标记每个像素,指示该像素是否显着。这不会是图像的单个标签。
如何为基于每个像素的标签生成 lmdb 文件?
您可以通过两种方式解决这个问题:
1.使用 HDF5 数据层代替 LMDB。 HDF5更加灵活,可以支持标注图像的尺寸。你可以看到这个答案 https://stackoverflow.com/a/31808324/1714410有关构建和使用 HDF5 输入数据层的示例。
2.您可以有两个 LMDB 输入层:一层用于图像,一层用于标签。请注意,当您构建 LMDB 时,您必须not使用'shuffle'
选项以使图像及其标签同步。
Update:我最近给出了更详细的答案here https://stackoverflow.com/a/45181897/1714410.
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)