カフェ損失層、平均および精度

Question

私はこのような奥行き推定の完全convotuionalネットワークが今

# input: image and depth_image 
layer { 
    name: "train-data" 
    type: "Data" 
    top: "data" 
    top: "silence_1" 
    include { 
    phase: TRAIN 
    } 
    transform_param { 
    #mean_file: "mean_train.binaryproto" 
    scale: 0.00390625 
    } 
    data_param { 
     source: "/train_lmdb" 
    batch_size: 4 
    backend: LMDB 
    } 
} 
layer { 
    name: "train-depth" 
    type: "Data" 
    top: "depth" 
    top: "silence_2" 
    include { 
    phase: TRAIN 
    } 
    transform_param { 
    scale: 0.00390625 
    } 
    data_param { 
    source: "train_depth_lmdb" 
    batch_size: 4 
    backend: LMDB 
    } 
} 
layer { 
    name: "val-data" 
    type: "Data" 
    top: "data" 
    top: "silence_1" 
    include { 
    phase: TEST 
    } 
    transform_param { 
    #mean_file: "mean_val.binaryproto" 
    scale: 0.00390625 
    } 
    data_param { 
    source: "val_lmdb" 
    batch_size: 4 
    backend: LMDB 
    } 
} 
layer { 
    name: "val-depth" 
    type: "Data" 
    top: "depth" 
    top: "silence_2" 
    include { 
    phase: TEST 
    } 
    transform_param { 
    scale: 0.00390625 
    } 
    data_param { 
    source: "val_depth_lmdb" 
    batch_size: 4 
    backend: LMDB 
    } 
} 
################## Silence unused labels ################## 
layer { 
    name: "silence_layer_1" 
    type: "Silence" 
    bottom: "silence_1" 
} 

layer { 
    name: "silence_layer_2" 
    type: "Silence" 
    bottom: "silence_2" 
} 
.... 
layer { 
    name: "conv" 
    type: "Convolution" 
    bottom: "concat" 
    top: "conv" 
    convolution_param { 
     num_output: 1 
     kernel_size: 5 
     pad: 2 
     stride: 1 
     engine: CUDNN 
     weight_filler { 
      type: "gaussian" 
      std: 0.01 
     } 
     bias_filler { 
      type: "constant" 
      value: 0 
     } 
    } 
} 

layer { 
    name: "relu" 
    type: "ReLU" 
    bottom: "conv" 
    top: "result" 
    relu_param{ 
    negative_slope: 0.01 
     engine: CUDNN 
    } 
} 

# Error 
layer { 
    name: "accuracy" 
    type: "Accuracy" 
    bottom: "result" 
    bottom: "depth" 
    top: "accuracy" 
    include { 
    phase: TEST 
    } 
} 
layer { 
    name: "loss" 
    type: "EuclideanLoss" 
    bottom: "result" 
    bottom: "depth" 
    top: "loss" 
} 

私は3つの質問を持っている：

ネットワークをトレーニングしているとき、精度レイヤーは常に1です。理由はわかりませんか？

ユークリッド層はこの目的のための正しいレイヤーですか？

このような場合に必要な平均値か、平均値を無視できますか？

#Define image transformers 
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape}) 
transformer.set_mean('data', mean_array) 
transformer.set_transpose('data', (2,0,1)) 

image = "test.png" 

img = caffe.io.load_image(image, False) 

img = caffe.io.resize_image(img, (IMAGE_WIDTH, IMAGE_HEIGHT)) 

net.blobs['data'].data[...] = transformer.preprocess('data', img) 

pred = net.forward() 

output_blob = pred['result'] 

Answer 1

1. 精度は常に1である - this answerを参照してください。
2. "EuclideanLoss"層は、回帰に適しています。
3. 平均値を減算すると、ネットが収束するのに役立ちます。それを使い続けてください。あなたは、データの正規化の重要性とその点でできることをもっと読むことができますhere。