Caffe 多标签矩阵输入

Question

我正在使用 ConvNet 解决检测问题。但是在我的情况下，标签是每个图像的维度矩阵[3 x 5]。我使用 Caffe 来完成这项工作。我使用Datalayer 读取图像，同时使用HDF5Layer 读取标签。

HDF5Layer 将[3x5] 标签矩阵读取为[1x15] 维向量。 所以我使用Reshape Layer 将向量重塑为矩阵，然后再计算 L2 损失。但是我意识到重塑层在H x W 中格式化数据，而我的标签矩阵是[W x H]，即[w=3，h=5] 因此重塑是不正确的。我想知道有没有办法以正确的顺序重塑 [1x15] 标签向量，即 [3x5] 和 not [5x3]

我认为可以解决的另一种方法是将卷积层的输出展平为 [1 x 15]，然后使用我的 [1 x 15] 标签计算损失。

由于我的英语很差，为了更好地理解，我正在使用数字来显示问题。

我的输入矩阵标签示例（请注意，图像只是为了说明而放大）

Caffe Reshape Layer 的结果

如果我做得对有什么建议吗？

Answer 1

计算损失的任何一种方式都很好。事实上，以 1x15 形状进行计算可以节省转换时间。损失计算仍然是逐像素的；逻辑组织无关紧要。

使用相同的想法，计算 3x5 还是 5x3 并不重要；重要的是你的卷积输出和你的标签正确匹配。

如果您希望显示（图形、图片等）匹配，也许您可​​以在绘制输出之前切换 x 和 y 名称。