caffe：全连接层转换为 3D 数据

Question

我有一个fully connected layer 和一个SoftmaxWithLoss 层。我想要做的是以3D 而不是1D 的形式检索数据。 我的输入 ground_truth 图像是 3x128x128，我的最后一层看起来像这样：

layer {
  name: "fc1"
  type: "InnerProduct"
  bottom: "conv"
  top: "fc1"
  param {
    lr_mult: 1
    decay_mult: 1
  }
  param {
    lr_mult: 2
    decay_mult: 0
  }
  inner_product_param {
    num_output: 49152 # 128 x 128 x 3
     ...
  }
}

layer {
  name: "result"
  type: "SoftmaxWithLoss"
  bottom: "fc1"
  bottom: "label"
  top: "result"
}

在这里我收到以下错误：

softmax_loss_layer.cpp:47] 检查失败：outer_num_ * inner_num_ == bottom[1]->count() (1 vs. 49152) 标签数必须与 预测；例如，如果 softmax 轴 == 1 且预测形状为 (N, C, H, W)，标签计数（标签数量）必须为NHW，带整数 {0, 1, ..., C-1} 中的值。

这里有什么问题？我的标签是 3x128x128，我的 output_num 是 49152 = 3 x 128 x128??

我的后续问题是如何将这些 1D 数据转换为 3D 数据：

我正在为 caffe 使用 python API。我知道我“只是”必须将 1D 矢量重塑为 3D 矢量。但是我怎么知道在哪里“重塑”，因为 1D 矢量中的哪个位置对应于 3D 矢量中的位置。谁能帮我？

提前致谢！

Answer 1

由于您正在寻找逐像素分类，并且标签是地面实况图像，因此最好使用Eucledian loss 层而不是Softmax with loss。 Softmax 通常用于多类分类。在您的情况下也可以使用 softmax，但要更改标签的格式等。

在执行 Eucledian 损失时，caffe 会将标签视为一维数组，同样适用于预测输出。 3D 到 1D 的转换将具有 Width-major 格式，然后是 Height，然后是 Channels。

您的模型将学习预测格式类似于标签的输出。即，如果标签中的通道是倒置的，则模型最终将学习倒置的形式。这是因为上一层是fully connected 层。

您可以阅读有关 Softmax 的更多信息here。

类似的答案可以帮助您进行详细说明，here。