caffe添加层:Focal Loss的caffe实现
版权声明:本文为博主原创文章,转载请注明出处,谢谢。 https://blog.csdn.net/wfei101/article/details/79477542
原代码见:
https://github.com/chuanqi305/FocalLoss
1,caffe.proto
源文件在src/caffe/proto/目录里
从492行这些optional里,作者添加了两行:
optional ReLU6Parameter relu6_param = 208;
optional FocalLossParameter focal_loss_param = 147;
从895行这里添加了一行:
optional bool half_pad = 19 [default = false];
从1425行这里添加一行:
optional bool reduce_boxes = 14 [default = false];
从1505行添加了一段:
message ReLU6Parameter{
enum Engine {
DEFAULT = 0;
CAFEE = 1;
CUDNN = 2;
}
optional Engine engine = 2[default = DEFAULT];
}
从1641行添加一段:
message FocalLossParameter{
enum Engine{
DEFAULT = 0;
CAFFE = 1;
CUDNN = 2;
}
optional Engine engine = 1[default = DEFAULT];
//The axis along which to perform the softmax -- may be negative to index
//from the end(e.g., -1 for the last axis).
//Any other axes will be evaluated as independent softmaxes.
optional int32 axis = 2[default = 1];
optional float alpha = 3[default = 0.25];
optional float gamma = 4[default = 2.0];
}
2.在src/caffe/layers/下放入focal_loss_layer.cpp和focal_loss_layer.cu文件
3.在include/caffe/layers/下放入focla_loss_layer.hpp和multibox_focal_loss_layer.hpp
4. 修改prototxt:只需要修改一下层名
layer {
name: "mbox_loss"
type: "MultiBoxFocalLoss" #change the type
bottom: "mbox_loc"
bottom: "mbox_conf"
bottom: "mbox_priorbox"
bottom: "label"
top: "mbox_loss"
include {
phase: TRAIN
}
propagate_down: true
propagate_down: true
propagate_down: false
propagate_down: false
loss_param {
normalization: VALID
}
focal_loss_param { #set the alpha and gamma, default is alpha=0.25, gamma=2.0
alpha: 0.25
gamma: 2.0
}
multibox_loss_param {
loc_loss_type: SMOOTH_L1
conf_loss_type: SOFTMAX
loc_weight: 1.0
num_classes: 2
share_location: true
match_type: PER_PREDICTION
overlap_threshold: 0.5
use_prior_for_matching: true
background_label_id: 0
use_difficult_gt: true
neg_pos_ratio: 3.0
neg_overlap: 0.5
code_type: CENTER_SIZE
ignore_cross_boundary_bbox: false
mining_type: NONE #do not use OHEM
}
}
重新编译Caffe
---------------------
作者:BigCowPeking
来源:CSDN
原文:https://blog.csdn.net/wfei101/article/details/79477542
版权声明:本文为博主原创文章,转载请附上博文链接!
caffe添加层:Focal Loss的caffe实现相关推荐
- 损失函数:Focal Loss
一.正负样本不均衡问题 Class Imbalance(正负样本不平衡) 带来的问题就是:样本中会存在大量的easy examples,且都是负样本(属于背景的样本).这样,easy negative ...
- 在caffe中添加新层 L1 Loss layer
本文地址:http://blog.csdn.net/ismarvellous/article/details/79069661,转载请注明出处. 本文涉及的所有完整文件可在我的github下载. 1. ...
- 如何给20151230版caffe添加新的层 (一)
由于caffe在一步一步的更新,因此半年前的教程可能不适用于当前版的caffe 因此把这次尝试caffe修改过程记录下来,以饷后人. 首先下载caffe https://github.com/yjxi ...
- 学习Caffe(二)使用Caffe:Caffe加载模型+Caffe添加新层+Caffe finetune
版权声明:本文为博主原创文章,未经博主允许不得转载. https://blog.csdn.net/u014230646/article/details/51934150 如何使用Caffe Caffe ...
- Caffe 激励层(Activation)分析
Caffe_Activation 一般来说,激励层的输入输出尺寸一致,为非线性函数,完成非线性映射,从而能够拟合更为复杂的函数表达式激励层都派生于NeuronLayer: class XXXlayer ...
- caffe常见层及其prototxt设置
输入: Convolution: layer {name: ""type: "Convolution"bottom: ""top: &quo ...
- Caffe Vision 层 - 卷积层 ConvLayer
Caffe Vision 层 - 卷积层 ConvLayer Caffe 的视觉层一般采用 images 作为输入,输出另一种 images. 也可以是其它类型的数据和维度. images 可以是单通 ...
- caffe自定义层:imagedata层实现多标签
简介注意一下caffe的版本,我用的是最新版本的 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 1 ...
- 无痛涨点!大白话讲解 Generalized Focal Loss
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 作者丨李翔 来源丨https://zhuanlan.zhihu.c ...
最新文章
- Java、Android静态代理与动态代理
- 我做的4周岁儿童编程课程【视频】分享
- mysql8 修改密码_sysbench压测软件连接mysql8失败案例分析
- NYOJ 49 开心的小明
- [攻防世界 pwn]——when_did_you_born
- ch6 列表和导航条
- 一个详尽的面向 SAP UI5 初学者的教程 - 如何在 SAP UI5 中绘制图表 Chart
- 计算机网络【0】概述
- Opencv中的Laplacian(拉普拉斯算法)
- 【神经网络】给初学者们讲解人工神经网络(ANN)
- CentOS之安装docker
- linux 结束8080端口,记Tomcat在Linux环境下开机启动无法监听8080端口
- 超链接的其他用法,复合选择器
- 了解new一个对象具体过程
- SOLIDWORKS Composer制作动画的方法
- 传统文化千千问重磅来袭!边玩边学,答题赢Kindle、全年免单大奖!——心田花开
- 网站建设中百度快照劫持是什么?劫持百度快照是怎么回事?
- 联想电脑如何改w ndows更新,电脑是否能升级到Windows 8.1 及支持Windows 8.1系统的机型汇总...
- Valheim英灵神殿服务器搭建指南 个人记录及踩坑
- 多组输入与单组输入的区分
热门文章
- boost::statechart模块无效图表测试
- 使用 std::shared_ptr 和 std::unique_ptr 测试 boost/pointer_cast.hpp
- boost::safe_numerics模块实现数据类型下溢的测试程序
- boost::hana::transform用法的测试程序
- boost::describe模块实现pp_call的测试程序
- VTK:模型之MarchingSquares
- VTK:图片之StaticImage
- VTK:图片之PickPixel2
- VTK:图片之ImageCityBlockDistance
- OpenGL CPU射线行进