Caffe |無作為切り取りによるデータ拡大

Question

私はImagenetモデルと同様に、自分のネットワークをCaffeでトレーニングしようとしています。しかし、私は作物層と混同しています。私がImagenetモデルの作物層について理解するまで、訓練中にランダムな227x227画像作物を取り、ネットワークを訓練します。しかし、テスト中は、中央の227x227画像の切り抜きを取りますが、256x256の画像から中央の227x27画像を切り抜きながら、画像から情報を取り除いていませんか？もう一つの質問は、訓練中に取るべき作物の数をどのように定義するのでしょうか？

また、256x256イメージから227x227作図を最初に取り、256x256イメージから255x255作図を2回目とする同じネットワーク（同じ数のレイヤー、同じコンボリューションサイズのFCニューロンが明らかに異なる）を訓練しました。私の直感によると、255x255作物のモデルは私に最高の結果をもたらすはずです。しかし、私は227x227の画像でより高い精度を得ています、誰でも私の背後にある直感を説明することができますか、何か間違っていますか？

Answer 1

あなたの所見はCaffeに固有のものではありません。上流のネットワーク層（畳み込みなど）が同じサイズする画像を必要とするので

訓練および試験中にトリミングされた画像の大きさは、同じ（あなたのケースで227x227）である必要があります。トレーニング中にランダムな作物が行われるのは、データを増やしたいからです。ただし、テスト中に標準データセットに対してテストしたいとします。それ以外の場合、テスト中に報告される精度は、テストデータベースのシフトにも依存します。

作物は各繰り返しで動的に作成されます。トレーニングバッチ内のすべての画像がランダムに切り取られます。私はこれがあなたの2番目の質問に答えることを望みます

あなたの直感は完全ではありません：より大きな作物（227x227）では、より多くのデータを増強できます。データ補強は、本質的に「新しい」トレーニングサンプルを無駄なく作成します。これは、トレーニング中に過大な怪我をするのを防ぐために不可欠です。より小さな作物（255x255）では、データが過大になる可能性が高いため、トレーニング精度は向上しますが、テスト精度は低下するはずです。

もちろん、トリミングは過度に行うことができます。切り抜きが多すぎると、画像からあまりにも多くの情報を失います。画像分類の場合、理想的なクロップサイズは、画像のカテゴリを変更しない（すなわち、背景のみが切り取られる）ものである。