Caffe多任务训练时忽略部分无用或未标注类标

Ignore labels in Caffe when using Multi-Task Multi-label training

现在不经常用caffe了，不过临时面临一个问题：多任务训练的时候，假设有N个任务，但部分图片类标不全，或者只对其中x（0<x<N）个任务有用，该怎么训练呢？

这在tensorflow里面很好实现，合并loss的时候加上判断就行了。但为了方便快速实现，回头在原来caffe的基础上修改了一下。参考了官方网站后得到的方法如下：

如果希望忽略某些类标，需要在相应任务对应的SoftmaxWithLoss和Accuracy层添加以下参数，例如：

SoftmaxWithLoss层需要在loss_param里面添加ignore_label，后面写对应的类标

layer {
    bottom: "fc233"
    bottom: "label"
    name: "loss"
    type: "SoftmaxWithLoss"
    top: "loss"
    loss_weight: 0.2
    loss_param {
        ignore_label: 5
    }
}

Accuracy层需要在accuracy_param里面添加ignore_label，后面写对应的类标
layer {
    bottom: "fc233"
    bottom: "label"
    top: "train_acc/top-1"
    name: "train_acc/top-1"
    type: "Accuracy"
    accuracy_param {
        ignore_label: 5
    }
}
这样在这一任务训练和测试的准确率都不会包含这些类标。

在实际操作时，可以在类标文件里把没有的类标用-1或其他没用类标填充，并在训练的prototxt里把相应类标写在ignore_label里即可

参考：
http://caffe.berkeleyvision.org/tutorial/layers/softmaxwithloss.html
http://caffe.berkeleyvision.org/tutorial/layers/accuracy.html
https://github.com/NVIDIA/DIGITS/issues/1251