[work]caffe实现多label输入(修改源码版)

在我的上一篇博客中caffe实现多标签输入中，介绍了用把图像和label分来，各自做成lmdb，最后把label的lmdb用slice层分开，这篇博客介绍另一种修改源码的方法实现多label，比其他博客改动源码最少

简介

我们都知道ImageDataLayer是直接读取原图进行分类，它的label是单label，文件格式如下

train.txt示例001.jpg 1002.jpg 2003.jpg 3layer {    name: "demo"    type: "ImageData"    top: "data"    top: "label"    include {      phase: TRAIN    }    transform_param {      scale: 0.00390625      mean_value: 128    }    image_data_param {      source: "your path/train.txt"      root_folder: "your image data path"      new_height: xxx     new_width: xxx      batch_size: 32      shuffle: true  #每个epoch都会进行shuffle  }  }  
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

修改代码

由于ImageataLayer的限制，我们只能在train.txt中放置单label，现在我们来修改ImageataLayer的代码来实现多label 
主要涉及三个文件

• caffe/src/caffe/proto/caffe.proto
• caffe/include/caffe/layers/image_data_layer.hpp
• caffe/src/caffe/layers/image_data_layer.cpp

定位到caffe/src/caffe/proto/caffe.proto中message ImageDataParameter

// 添加一个参数// Specify the label dim. default 1.// 有几种label，比如性别、年龄两种label，在网络结构里就把此参数设置为2optional uint32 label_dim = IDNumber [default = 1]; // IDNumber是和其它参数不冲突的ID数字
1
2
3
4
5

定位到caffe/include/caffe/layers/image_data_layer.hpp

// 修改vector<std::pair<std::string, int> > lines_;// string对应那个train.txt中的图片名称，in对应label，我们把int改为int*,实现多labelvector<std::pair<std::string, int *> > lines_;
1
2
3

定位到caffe/src/caffe/layers/image_data_layer.cpp

// DataLayerSetUp函数// 原本的加载图片名称和label的代码  std::ifstream infile(source.c_str());  string line;  size_t pos;  int label;  while (std::getline(infile, line)) {    pos = line.find_last_of(' ');    label = atoi(line.substr(pos + 1).c_str());    lines_.push_back(std::make_pair(line.substr(0, pos), label));  }// 修改为这样std::ifstream infile(source.c_str());  string filename;  // 获取label的种类  int label_dim = this->layer_param_.image_data_param().label_dim();  // 注意这里默认每个label直接以空格隔开，每个图片名称及其label占一行，如果你的格式不同，可自行修改读取方式  while (infile >> filename) {    int* labels = new int[label_dim];    for(int i = 0;i < label_dim;++i){        infile >> labels[i];    }    lines_.push_back(std::make_pair(filename, labels));  }// 原本的输出label  vector<int> label_shape(1, batch_size);  top[1]->Reshape(label_shape);  for (int i = 0; i < this->prefetch_.size(); ++i) {    this->prefetch_[i]->label_.Reshape(label_shape);  }// 修改为这样  vector<int> label_shape(2);  label_shape[0] = batch_size;  label_shape[1] = label_dim;  top[1]->Reshape(label_shape); // label的输出shape batch_size*label_dim  for (int i = 0; i < this->PREFETCH_COUNT; ++i) {    this->prefetch_[i].label_.Reshape(label_shape);  }// 注意：caffe最新版本prefetch_的结构由之前的Batch<Dtype> prefetch_[PREFETCH_COUNT];// 改为 vector<shared_ptr<Batch<Dtype> > > prefetch_; 由对象数组改为了存放shared指针的vector。// 所以此处的this->PREFETCH_COUNT改为this->prefetch_.size(); // 此处的this->prefetch_[i].label_.Reshape(label_shape);// 改为this->prefetch_[i]->label_.Reshape(label_shape);把.改成指针的->// load_batch函数// 在函数一开始先获取下label_dim参数int label_dim = this->layer_param_.image_data_param().label_dim();// 原本的预取labelprefetch_label[item_id] = lines_[lines_id_].second;// 修改为这样for(int i = 0;i < label_dim;++i){    // lines_[lines_id_].second就是最开始改为的int*,多label    prefetch_label[item_id * label_dim + i] = lines_[lines_id_].second[i];}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53

最后进行make

示例

train.txt001.jpg 1 3 2002.jpg 2 4 7003.jpg 3 0 9
1
2
3
4

# trainval.prototxtlayer {  name: "data"  type: "ImageData"  top: "data"  top: "label"  include {    phase: TRAIN  }  transform_param {    mirror: true    mean_value: 128    mean_value: 128    mean_value: 128  }  image_data_param {    mirror: true    source: "your path/train.txt"      root_folder: "your image data path"      new_height: xxx     new_width: xxx      batch_size: 32      shuffle: true  #每个epoch都会进行shuffle    label_dim: 3   }}layer {  name: "slice"  type: "Slice"  bottom: "label"  top: "label_1"  top: "label_2"  top: "label_3"  slice_param {    axis: 1    slice_point:1    slice_point:2  }}......# 后续代码参考我另一篇caffe实现多label输入的代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41

总结

对比其他修改源码的博客，本篇对源码的改动最少，而且兼容原来的版本，最重要的是使用起来最方便，不用生成lmdb之类