我在Windows 7 64位机器上使用Windows的Caffe框架(从这里下载)。我在Visual Studio Community 2013中使用C++。我使用预先训练的GoogLeNet模型来提取loss1-fc层输出,以用作每个图像的特征向量。目前为止,一切都好。
最近我尝试更改我的软件以用于视频帧。因此,我将第一层从 ImageData 层更改为内存层,这样我就可以向 Caffe 发送 OpenCV 垫的向量,而不是将每个帧写入磁盘并将文件列表发送到 caffe 的天真方法。
现在,我注意到对于相同的图像,我不会得到相同的结果!使用 ImageData 层时,没有这样的事情。
我使用CPU(没有Cudnn,没有GPU)。
我用于特征提取的函数如下:
void feature_extraction_pipeline_memory(boost::shared_ptr<Net<Dtype>> feature_extraction_net, vector<cv::Mat> imgs, vector<int> labels, float** blobFeats, vector<string> blob_names){
boost::dynamic_pointer_cast<caffe::MemoryDataLayer<float>>(feature_extraction_net->layers()[0])->AddMatVector(imgs, labels);
size_t num_mini_batches = imgs.size();
size_t num_features = blob_names.size();
int dim_features;
int batch_size;
vector<Blob<float>*> input_vec;
vector<int> image_indices(num_features, 0);
for (size_t batch_index = 0; batch_index < num_mini_batches; ++batch_index) {
feature_extraction_net->Forward(input_vec);
for (size_t i = 0; i < num_features; ++i) {
const boost::shared_ptr<Blob<Dtype>> feature_blob = feature_extraction_net->blob_by_name(blob_names[i]);
batch_size = feature_blob->num();
dim_features = feature_blob->count() / batch_size;
const Dtype* feature_blob_data;
for (size_t n = 0; n < batch_size; ++n) {
feature_blob_data = feature_blob->cpu_data() + feature_blob->offset(n);
for (size_t d = 0; d < dim_features; ++d)
blobFeats[i][(image_indices[i] * dim_features) + d] = feature_blob_data[d];
++image_indices[i];
} // n < batch_size
} // i < num_features
} // batch_index < num_mini_batches
}
imgs
向量是垫子的向量。labels
是 int 的向量,全部设置为 0。一旦将它们添加到矢量,我就会再次将所有图像写入磁盘。我检查过,没有问题。因此,加载图像时没有任何问题。顺便说一下,我使用的是OpenCV 3.1。
GoogLeNet prototxt 文件中的内存层声明如下:
layer {
name: "data"
type: "MemoryData"
top: "data"
top: "label"
memory_data_param {
batch_size: 1
channels: 3
height: 227
width: 227
}
transform_param {
crop_size: 227
mirror: true
mean_file: "model_googlenet_mem/imagenet_mean.binaryproto"
}
include: { phase: TEST }
}
并且是第一层。
我打印每个图像的前 10 个值。请注意,图像 0、1、2、3 是完全相同的文件,并且对 6、7 和 8 个图像具有相同的保存权。
1st run:
0.jpg :: 3.149, 0.000, 0.000, 0.000, 1.586, 0.000, 0.000, 0.755, 0.000, 4.749,
1.jpg :: 2.680, 0.000, 0.000, 0.560, 0.970, 0.000, 0.000, 1.083, 0.000, 4.420,
2.jpg :: 2.680, 0.000, 0.000, 0.560, 0.970, 0.000, 0.000, 1.083, 0.000, 4.420,
3.jpg :: 2.680, 0.000, 0.000, 0.560, 0.970, 0.000, 0.000, 1.083, 0.000, 4.420,
4.jpg :: 3.957, 0.000, 0.000, 0.000, 0.868, 0.000, 0.000, 0.000, 0.000, 6.396,
5.jpg :: 3.179, 0.000, 0.000, 0.000, 0.906, 0.000, 0.000, 0.000, 0.000, 5.508,
6.jpg :: 4.951, 0.000, 0.000, 0.000, 0.000, 0.343, 2.993, 0.000, 0.000, 0.000,
7.jpg :: 4.567, 0.000, 0.000, 0.000, 0.000, 1.251, 2.446, 0.000, 0.000, 0.000,
8.jpg :: 4.951, 0.000, 0.000, 0.000, 0.000, 0.343, 2.993, 0.000, 0.000, 0.000,
9.jpg :: 5.678, 0.000, 0.000, 2.010, 0.000, 1.064, 2.412, 0.000, 0.000, 0.000,
第二次运行:
0.jpg :: 2.680, 0.000, 0.000, 0.560, 0.970, 0.000, 0.000, 1.083, 0.000, 4.420,
1.jpg :: 2.680, 0.000, 0.000, 0.560, 0.970, 0.000, 0.000, 1.083, 0.000, 4.420,
2.jpg :: 3.149, 0.000, 0.000, 0.000, 1.586, 0.000, 0.000, 0.755, 0.000, 4.749,
3.jpg :: 2.680, 0.000, 0.000, 0.560, 0.970, 0.000, 0.000, 1.083, 0.000, 4.420,
4.jpg :: 3.957, 0.000, 0.000, 0.000, 0.868, 0.000, 0.000, 0.000, 0.000, 6.396,
5.jpg :: 2.928, 0.000, 0.000, 0.000, 0.769, 0.000, 0.000, 0.000, 0.000, 5.552,
6.jpg :: 4.567, 0.000, 0.000, 0.000, 0.000, 1.251, 2.446, 0.000, 0.000, 0.000,
7.jpg :: 4.567, 0.000, 0.000, 0.000, 0.000, 1.251, 2.446, 0.000, 0.000, 0.000,
8.jpg :: 4.951, 0.000, 0.000, 0.000, 0.000, 0.343, 2.993, 0.000, 0.000, 0.000,
9.jpg :: 5.678, 0.000, 0.000, 2.010, 0.000, 1.064, 2.412, 0.000, 0.000, 0.000,
对于相同的图像,层输出是不同的,对于不同的运行,层输出是不同的!当对图像数据层使用相同的过程时,没有这样的问题。此外,这个问题也适用于其他层的输出,例如 loss3/classifier。因此,我怀疑MemoryLayer实现中可能存在错误。
有没有人注意到这种奇怪的行为?我读到cudnn可能会产生不确定的结果,但我在CPU上运行了我的模型。欢迎对此提出任何想法。
我发现了哪里出了问题,我将在这里发布答案以帮助他人。
事实证明,GoogLeNet 要求输入图像的大小为 224x224x3,并且您不能在 TEST 阶段减去平均值。因此,通过将 .prototxt 文件中内存层的定义更改为:
name: "GoogleNet"
layer {
name: "data"
type: "MemoryData"
top: "data"
top: "label"
memory_data_param {
batch_size: 1
channels: 3
height: 224
width: 224
}
}
...
我得到了我预期的结果。非常感谢@Miki指出他们的 dnn 模块上的 OpenCV 教程,这有助于我澄清这一点。