Я пытаюсь использовать пример классификации Caffe C++ (вот code), чтобы классифицировать изображение с помощью рукописной цифры (я тренирую свой модель в базе данных MNIST), но всегда возвращает такие вероятности, как
[0, 0, 0, 1.000, 0, 0, 0, 0, 0] (1.000 can be on different position)
даже если на изображении нет номера. Я думаю, это должно быть что-то вроде
[0.01, 0.043, ... 0.9834, ... ]
Кроме того, например, для «9» всегда предсказывается неправильное число.
Единственное, что я изменяю в classification.cpp, это то, что я всегда использую ЦП.
//#ifdef CPU_ONLY
Caffe::set_mode(Caffe::CPU); // <----- always CPU
//#else
// Caffe::set_mode(Caffe::GPU);
//#endif
Вот как выглядит мой deploy.prototxt
name: "LeNet"
layer {
name: "data"
type: "ImageData"
top: "data"
top: "label"
image_data_param {
source: "D:\\caffe-windows\\examples\\mnist\\test\\file_list.txt"
}
}
layer {
name: "conv1"
type: "Convolution"
bottom: "data"
top: "conv1"
param {
lr_mult: 1
}
param {
lr_mult: 2
}
convolution_param {
num_output: 20
kernel_size: 5
stride: 1
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
}
}
layer {
name: "pool1"
type: "Pooling"
bottom: "conv1"
top: "pool1"
pooling_param {
pool: MAX
kernel_size: 2
stride: 2
}
}
layer {
name: "conv2"
type: "Convolution"
bottom: "pool1"
top: "conv2"
param {
lr_mult: 1
}
param {
lr_mult: 2
}
convolution_param {
num_output: 50
kernel_size: 5
stride: 1
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
}
}
layer {
name: "pool2"
type: "Pooling"
bottom: "conv2"
top: "pool2"
pooling_param {
pool: MAX
kernel_size: 2
stride: 2
}
}
layer {
name: "ip1"
type: "InnerProduct"
bottom: "pool2"
top: "ip1"
param {
lr_mult: 1
}
param {
lr_mult: 2
}
inner_product_param {
num_output: 500
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
}
}
layer {
name: "relu1"
type: "ReLU"
bottom: "ip1"
top: "ip1"
}
layer {
name: "ip2"
type: "InnerProduct"
bottom: "ip1"
top: "ip2"
param {
lr_mult: 1
}
param {
lr_mult: 2
}
inner_product_param {
num_output: 10
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
}
}
layer {
name: "loss"
type: "Softmax"
bottom: "ip2"
top: "loss"
}
file_list.txt это
D:\caffe-windows\examples\mnist\test\test1.jpg 0
А test1.jpg примерно такой
(черно-белое изображение 28 * 28, сохраненное в Paint, я пробовал разные размеры, но это не имеет значения, Preprocces () все равно изменяет его размер)
Для обучения сети я использую этот учебник, вот prototxt
Так почему же он предсказывает неправильные цифры и всегда со 100% вероятностью?
(Я использую Windows 7, VS13)