數(shù)據(jù)輸入方面:1.image pyramid 圖像金字塔.目前代碼里是先選取一個(gè)scale,然后在每個(gè)GPU上按照scale讀圖片,相應(yīng)的gt也更改."scales":[440, 520, 600, 680, 760] 使用的是短邊的縮放到的尺寸,還用個(gè)maxsize限制了你的scale必須小于一個(gè)值

　　　　　　　wk的代碼和原本的sensenet很大不一樣,重新看,好像加了很多trick

　　　　　　　deformable convolution是同時(shí)訓(xùn)練多個(gè)scale,然后每個(gè)網(wǎng)絡(luò)訓(xùn)練出來的乘以一個(gè)權(quán)重

　　　　　　　但這樣不同scale的網(wǎng)絡(luò)結(jié)構(gòu)不應(yīng)該不一樣不是嗎?

　　　　　　 2.flip,老版的sensenet里面僅僅是使用flip之后的,cv::flip(img, img, 1);,即只使用了沿y軸翻轉(zhuǎn),且沒有用原圖.個(gè)人覺得這里翻轉(zhuǎn)的角度應(yīng)該還可以很多.據(jù)說還有只rotate20度,然后剪裁補(bǔ)0這種數(shù)據(jù)增強(qiáng),在分割中用的比較多.

　　　　　　 3."pixel_means":[103.939, 116.779, 123.68],3個(gè)通道不同的mean值,然后圖像原始的每個(gè)值減去這些值

　　　　　　　? 有什么作用?

　　　　　　 4.anchor_scales,anchor_ratios

　　　　　　 5.gaussian_noise 輸入圖片加高斯噪聲　

　　　　　　 6.FrcnnTrainData的參數(shù),自己的caffe目錄中總結(jié)了這些　　　　　　　　

distort_param {brightness_prob: 0.5brightness_delta: 32contrast_prob: 0.5contrast_lower: 0.5contrast_upper: 1.5hue_prob: 0.5hue_delta: 18saturation_prob: 0.5saturation_lower: 0.5saturation_upper: 1.5random_order_prob: 0.0}

?　　　　　　7.加高斯噪聲或者resize的時(shí)候換插值的方法,這兩個(gè)在v系列中都沒有使用

　　　　　　8.

　　　　　?

?

多GPU訓(xùn)練,這個(gè)很重要,每個(gè)GPU一張圖

?

?

?

v9、v7：經(jīng)過4個(gè)降采樣，第一個(gè)是通過一個(gè)尺寸為3，stride為2，pad為1，后面是3個(gè)pool，并且pool層主要集中在前面那些沒有block堆積的層

　　　　9是有5個(gè)block，7有6個(gè)block，并且7的block的4個(gè)分支的channel比9的4個(gè)分支的channel多(當(dāng)然是第一個(gè)block對應(yīng)第一個(gè)block)。并且兩者都是的 　　? ?　 block越往后面每個(gè)分支對應(yīng)的channel數(shù)增加。block內(nèi)部的分支是通過concat連接的channel層。

　　　　其實(shí)D2就是把v7每個(gè)分支的channel然后把層增加了。(就用這個(gè)講)

rfcn相對于faster：用了全卷積替代fc，增加了平移不變性

轉(zhuǎn)載于:https://www.cnblogs.com/ymjyqsx/p/9164252.html

總結(jié)

以上是生活随笔為你收集整理的整个trick的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。