GとBチャネルのみでCaffeを訓練する方法

Question

GとBのトレーニング用チャネルしか使用しないでください。入力層を使用しているCaffe？

Answer 1

あなたはGとBを選択しますあなたの入力の上畳み込み層を追加することができます。

layer { 
    name: "select_B_G" 
    type: "Convolution" 
    bottom: "data" 
    top: "select_B_G" 
    convolution_param { kernel_size: 1 num_output: 2 bias_term: false } 
    param { lr_mult: 0 } # do not learn parameters for this layer 
} 

あなたはこの層は

をするためのいくつかの net surgery前の重みを設定するための訓練を行う必要があります

net.params['select_B_G'][0].data[...] = np.array([[1,0,0],[0,1,0]], dtype='f4') 

注：は時々カフェにロードされた画像は、チャネル・スワップ・変換を通過している、すなわち、RGB - > BGR、したがって、あなたが選ぶどのチャンネルに注意する必要があります。

Answer 2

私はこのコードをテストしませんでしたが、これを行うには単純なpython層を書きました。あなたは、これが正常に動作します。この

layer { 
    name: "GB" 
    type: "Python" 
    bottom: "data" 
    top: "GB" 
    python_param { 
    module: "MyPythonLayer" 
    layer: "ExtractGBChannelLayer" 
    } 
} 

希望のようImageDataLayer後層を挿入することができprototxtで

import caffe 

class ExtractGBChannelLayer(caffe.Layer): 
    def setup(self,bottom,top): 
    pass 
    def reshape(self,bottom,top): 
    bottom_shape=bottom[0].data.shape 
    top_shape=[bottom_shape[0],2,bottom_shape[2],bottom_shape[3]] #because we only want G and B channels. 
    top[0].reshape(*top_shape) 
    def forward(self,bottom,top): 
    #copy G and B channel to top, note caffe BGR order! 
    top[0].data[:,0,...]=bottom[0].data[:,1,...] 
    top[0].data[:, 1, ...] = bottom[0].data[:, 0, ...] 
    def backward(self,top,propagate_down,bottom): 
    pass 

あなたはMyPythonLayer.py

としてこのファイルを保存することができます。

Answer 3

これは私が使用したMatlabコードであり、動作します。

caffe.reset_all(); % reset caffe 
caffe.set_mode_gpu(); 
gpu_id = 0; % we will use the first gpu in this demo 
caffe.set_device(gpu_id); 
net_model = ['net_images.prototxt']; 
net = caffe.Net(net_model, 'train') 
a = zeros(1,1,3,2); 
a(1,1,:,:) = [[1,0,0];[0,1,0]]'; % caffe uses BGR color channel order 
net.layers('select_B_G').params(1).set_data(a); 
solver = caffe.Solver(solverFN); 
solver.solve(); 
net.save(fullfile(model_dir, 'my_net.caffemodel'));