caffe的slice和concat实现MultiTask
caffe的slice和concat实现MultiTask
本篇博客部分转自：http://blog.csdn.net/u013010889/article/details/53098346
http://blog.csdn.net/shuzfan/article/details/54565776
有部分未实现，如有错误，请指正。
第一：slice和concat
———————————— Concat ————————————
concat层实现输入数据的拼接。
该层有两个相同作用的参数：
message ConcatParameter {
//指定拼接的维度，默认为1即以channel通道进行拼接;支持负索引，即-1表示最后一个维度
optional int32 axis = 2 [default = 1];
// 以后会被弃用，作用同axis一样，但不能指定为负数
optional uint32 concat_dim = 1 [default = 1];
}caffe中数据通常为4个维度，即 num\channels\height width，因此默认值-1表示channels通道进行拼接。
使用方法如下
layer {
name: "data_all"
type: "Concat"
bottom: "data_classfier"
bottom: "data_boundingbox"
bottom: "data_facialpoints"
top: "data_all"
concat_param {
axis: 0
}
}除了拼接维度外的其它维度都必须相等。比如上面，输入图像均为 24 24\3，用于分类的有150张图片，用于boundingbox回归的有50张，用于关键点回归的也有50张，则最后拼接的结果就是 (150+50+50)\3 24 24
———————————— Slice ————————————
既然有合并，那么相应的也有拆分。slice层共有三个参数：
message SliceParameter {
// 下面两个指定沿哪个维度进行拆分，默认拆分channels通道
optional int32 axis = 3 [default = 1];
optional uint32 slice_dim = 1 [default = 1];
// 指定拆分点
repeated uint32 slice_point = 2;
}现在我们就要把之前concat合并的数据按照原样拆分：
layer {
name: "data_each"
type: "Slice"
bottom: "data_all"
top: "data_classfier"
top: "data_boundingbox"
top: "data_facialpoints"
slice_param {
axis: 0
slice_point: 150
slice_point: 200
}
}
这里需要注意的是，如果有slice_point，slice_point的个数一定要等于top的个数减一。
axis表示要进行分解的维度。
slice_point的作用是将axis按照slic_point 进行分解。
slice_point没有设置的时候则对axis进行均匀分解。
其中slice_point的个数必须等于top的个数减一。输入的data_all维度为 250\3\t24\24，拆分后的3个输出的维度依次为 150\3\24\24， 50 3 24\24， 50\3 24\24
———————————— MultiTask ————————————
下面直接给一张网络结构图，大家就应该知道怎么实现多数据MultiTask了。
第二：
caffe里自带的convert_imageset.cpp直接生成一个data和label都集成在Datum的lmdb(Datum数据结构见最后)，只能集成一个label。
而我们平时遇到的分类问题可能会有多个label比如颜色，种类等。
目前网上有多种解决方法：
1. 修改caffe代码，步骤繁琐，但是对于理解代码有帮助
2. 加入多个data和label层作为输入，简单可行，但是需要准备多个lmdb，较为麻烦
3. 等等等
注意：caffe的数据层输入格式(batch_size, c, h, w)，通道是BGR
本文采用多label的lmdb+Slice Layer的方法
- 生成多label的lmdb
import numpy as np
import os
import lmdb
from PIL import Image
import numpy as np
import sys
# Make sure that caffe is on the python path:
caffe_root = 'your caffe root path'
sys.path.insert(0, caffe_root + '/python')
import caffe
####################pre-treatment############################
#txt with labels eg. (0001.jpg 2 5)
file_input=open('your label txt','r')
img_list=[]
label1_list=[]
label2_list=[]
for line in file_input:
content=line.strip()
content=content.split(' ')
img_list.append(int(content[1]))
label1_list.append(int(content[1]))
label2_list.append(int(content[2]))
del content
file_input.close()
####################train data(images)############################
#your data lmdb path
#注意一定要先删除之前生成的lmdb，因为lmdb会在之前的数据基础上新增数据，而不会先清空
#os.system('rm -rf ' + your data(images) lmdb path)
in_db=lmdb.open('your data(images) lmdb path',map_size=int(1e12))
with in_db.begin(write=True) as in_txn:
for in_idx,in_ in enumerate(img_list):
im_file='your images path'+in_
im=Image.open(im_file)
im = im.resize((w,h),Image.BILINEAR)#放缩图片，分类一般用
#双线性BILINEAR，分割一般用最近邻NEAREST，**注意准备测试数据时一定要一致**
im=np.array(im) # im: (w,h)RGB->(h,w,3)RGB
im=im[:,:,::-1]#把im的RGB调整为BGR
im=im.transpose((2,0,1))#把height*width*channel调整为channel*height*width
im_dat=caffe.io.array_to_datum(im)
in_txn.put('{:0>10d}'.format(in_idx),im_dat.SerializeToString())
print 'data train: {} [{}/{}]'.format(in_, in_idx+1, len(file_list))
del im_file, im, im_dat
in_db.close()
print 'train data(images) are done!'
######train data of label################
#your labels lmdb path
in_db=lmdb.open('your labels lmdb path',map_size=int(1e12))
with in_db.begin(write=True) as in_txn:
for in_idx,in_ in enumerate(img_list):
target_label=np.zeros((2,1,1))# 2种label
target_label[0,0,0]=label1_list[in_idx]
target_label[1,0,0]=label2_list[in_idx]
label_data=caffe.io.array_to_datum(target_label)
in_txn.put('{:0>10d}'.format(in_idx),label_data.SerializeToString())
print 'label train: {} [{}/{}]'.format(in_, in_idx+1, len(file_list))
del target_label, label_data
in_db.close()
print 'train labels are done!'
修改prototxt
layer {
name: "data"
type: "Data"
include {
phase: TRAIN
}
data_param {
source: "your data(images) lmdb"
batch_size: 10
backend: LMDB
}
top: "data"
}
layer {
name: "label"
type: "Data"
top: "label"
include {
phase: TRAIN
}
data_param {
source: "your labels lmdb"
batch_size: 10
backend: LMDB
}
}
layer {
name: "slice"
type: "Slice"
bottom: "label"
top: "label_1"
top: "label_2"
slice_param {
axis: 1
slice_point: 1
}
# 假如有3个label，n个同理
# slice_point: 1
# slice_point: 2
# axis指定目标轴，batch_size,c,h,w 刚刚生成label时c就是label种类数，c在第1个维度(batch_size是0)
# slice_point指定选定维数的索引（索引的数量必须等于blob数量减去一）。
# 比如10维，输出3个label 且slice_point: 2 slice_point: 6
# 1 2 | 3 4 5 6 | 7 8 9 10 '|' 为切点(1,2)(3,4,5,6)(7,8,9)
# 这种切点我们暂时可忽略
}
总结
本文把多个label集成到一个lmdb中，最后在prototxt中通过Slice层分离开，避免了多个lmdb的繁琐，整体操作起来简单易懂。
知识延伸
Datum数据结构定义如下，上述代码直接用caffe.io.array_to_datum转化成Datum，其实可以根据它的结构一一
设置,比如datum.channels = 3,datum.data = im.tobytes() (im为图像数组shape为(3,224,224))，根据caffe
说明，图像数据也可以放在float_data中）
因为caffe中的图像样例是单个label，所以可以把图像的label存储于Datum中的label，但是多label的话就不行
了，需要用上述的方法把多label存储于Datum中的data
message Datum {
optional int32 channels = 1;
optional int32 height = 2;
optional int32 width = 3;
// the actual image data, in bytes
optional bytes data = 4;
optional int32 label = 5;
// Optionally, the datum could also hold float data.
repeated float float_data = 6;
// If true data contains an encoded image that need to be decoded
optional bool encoded = 7 [default = false];
}例如：样本是苹果照片， 标签有两个， 形状：大/小；颜色：红/青/黄 。
这个就是两个label 一个是形状一个是颜色，做label的lmdb时，CxHxW就是2x1x1 2就是每张图片对应两个label
layer {
name: "slice"
type: "Slice"
bottom: "label"
top: "label_xingzhuang"
top: "label_yanse"
slice_param {
axis: 1
slice_point: 1
}
要是还有一个标签 品质：优/良/中/差
layer {
name: "slice"
type: "Slice"
bottom: "label"
top: "label_xingzhuang"
top: "label_yanse"
top: "label_pinzhi"
slice_param {
axis: 1
slice_point: 1
slice_point: 2
}
注意：
把训练和测试的lmdb分开(data和label也要分开)
不修改源码的话，只能图像一个lmdb，标签一个lmdb了
axis是轴的意思，0是横轴，1是纵轴，咱们在生成lmdb时每个label占一列，所以axis设为1，slice_point是从哪切的意思
对于1234567.如果是01 23 45 67的话（axis是指目标轴，1代表列）
axis: 1
slice_point: 2
slice_point: 4
slice_point: 6
每个label的loss是分开的，都是softmaxwithloss
以下内容转载：http://blog.csdn.net/u013010889/article/details/54614067
简介
我们都知道ImageDataLayer是直接读取原图进行分类，它的label是单label，文件格式如下
train.txt示例
001.jpg 1
002.jpg 2
003.jpg 3
layer {
name: "demo"
type: "ImageData"
top: "data"
top: "label"
include {
phase: TRAIN
}
transform_param {
scale: 0.00390625
mean_value: 128
}
image_data_param {
source: "your path/train.txt"
root_folder: "your image data path"
new_height: xxx
new_width: xxx
batch_size: 32
shuffle: true #每个epoch都会进行shuffle
}
}
修改代码
由于ImageataLayer的限制，我们只能在train.txt中放置单label，现在我们来修改ImageataLayer的代码来实现多label
主要涉及三个文件
- caffe/src/caffe/proto/caffe.proto
- caffe/include/caffe/layers/image_data_layer.hpp
- caffe/src/caffe/layers/image_data_layer.cpp
定位到caffe/src/caffe/proto/caffe.proto中message ImageDataParameter
// 添加一个参数
// Specify the label dim. default 1.
// 有几种label，比如性别、年龄两种label，在网络结构里就把此参数设置为2
optional uint32 label_dim = 13 [default = 1];
定位到caffe/include/caffe/layers/image_data_layer.hpp
// 修改vector<std::pair<std::string, int> > lines_;
// string对应那个train.txt中的图片名称，in对应label，我们把int改为int*,实现多label
vector<std::pair<std::string, int *> > lines_;定位到caffe/src/caffe/layers/image_data_layer.cpp
// DataLayerSetUp函数
// 原本的加载图片名称和label的代码
std::ifstream infile(source.c_str());
string line;
size_t pos;
int label;
while (std::getline(infile, line)) {
pos = line.find_last_of(' ');
label = atoi(line.substr(pos + 1).c_str());
lines_.push_back(std::make_pair(line.substr(0, pos), label));
}
// 修改为这样
std::ifstream infile(source.c_str());
string filename;
// 获取label的种类
int label_dim = this->layer_param_.image_data_param().label_dim();
// 注意这里默认每个label直接以空格隔开，每个图片名称及其label占一行，如果你的格式不同，可自行修改读取方式
while (infile >> filename) {
int* labels = new int[label_dim];
for(int i = 0;i < label_dim;++i){
infile >> labels[i];
}
lines_.push_back(std::make_pair(filename, labels));
}
// 原本的输出label
vector<int> label_shape(1, batch_size);
top[1]->Reshape(label_shape);
for (int i = 0; i < this->prefetch_.size(); ++i) {
this->prefetch_[i]->label_.Reshape(label_shape);
}
// 修改为这样
vector<int> label_shape(2);
label_shape[0] = batch_size;
label_shape[1] = label_dim;
top[1]->Reshape(label_shape); // label的输出shape batch_size*label_dim
for (int i = 0; i < this->PREFETCH_COUNT; ++i) {
this->prefetch_[i].label_.Reshape(label_shape);
}
// 注意：caffe最新版本prefetch_的结构由之前的Batch<Dtype> prefetch_[PREFETCH_COUNT];
// 改为 vector<shared_ptr<Batch<Dtype> > > prefetch_; 由对象数组改为了存放shared指针的vector。
// 所以此处的this->PREFETCH_COUNT改为this->prefetch_.size();
// 此处的this->prefetch_[i].label_.Reshape(label_shape);
// 改为this->prefetch_[i]->label_.Reshape(label_shape);把.改成指针的->
// load_batch函数
// 在函数一开始先获取下label_dim参数
int label_dim = this->layer_param_.image_data_param().label_dim();
// 原本的预取label
prefetch_label[item_id] = lines_[lines_id_].second;
// 修改为这样
for(int i = 0;i < label_dim;++i){
// lines_[lines_id_].second就是最开始改为的int*,多label
prefetch_label[item_id * label_dim + i] = lines_[lines_id_].second[i];
}最后进行make
示例
train.txt
001.jpg 1 3 2
002.jpg 2 4 7
003.jpg 3 0 9
# trainval.prototxt
layer {
name: "data"
type: "ImageData"
top: "data"
top: "label"
include {
phase: TRAIN
}
transform_param {
mirror: true
mean_value: 128
mean_value: 128
mean_value: 128
}
image_data_param {
mirror: true
source: "your path/train.txt"
root_folder: "your image data path"
new_height: xxx
new_width: xxx
batch_size: 32
shuffle: true #每个epoch都会进行shuffle
label_dim: 3
}
}
layer {
name: "slice"
type: "Slice"
bottom: "label"
top: "label_1"
top: "label_2"
top: "label_3"
slice_param {
axis: 1
slice_point:1
slice_point:2
}
}
......
# 后续代码参考我另一篇caffe实现多label输入的代码
总结
对比其他修改源码的博客，本篇对源码的改动最少，而且兼容原来的版本，最重要的是使用起来最方便，不用生成lmdb之类
