Caffe学习之数据层及参数设置

caffe的各种数据层在caffe.proto文件中有定义。通过对定义的caffe.proto文件进行编译，产生支持各种层操作的c++代码。后面将会详细解读caffe.proto文件（在caffe里就是当做一个自动代码生成工具来用）。

本文主要介绍caffe可以读入数据的各种格式，方便后面采用caffe训练自己的数据

数据的来源主要有以下几种：

（1）高效的数据库（LevelDB或者LMDB）

（2）内存

（3）硬盘文件，HDF5格式或者图片格式的文件。此种方式效率较差，目前一般是先将原生数据转换为（1）中的数据库格式，然后再来处理

一.不同种类数据层的共同属性

绝大部分数据层在设置时，都可以先对数据进行一定的预处理，包括归一化scale，去中心化（减去平均值），水平镜像flip，随机裁剪crop等四种预处理方式。

该四种预处理方式可以靠该Layer的transform_params属性（HDF5 Layer没有该属性。。。）来指定。指定方式如下：

[plain]  view plain  copy

1. transform_param {  
2.   # randomly horizontally mirror the image  
3.   mirror: 1  
4.   # crop a `crop_size` x `crop_size` patch:  
5.   # - at random during training  
6.   # - from the center during testing  
7.   crop_size: 227  
8.   # substract mean value（RGB three channel）: these mean_values can equivalently be replaced with a mean.binaryproto file as  
9.   # mean_file: name_of_mean_file.binaryproto  
10.   mean_value: 104  
11.   mean_value: 117  
12.   mean_value: 123  
13. }  

数据预处理只是数据层transfor_params属性的一部分，其余transform_params属性可以在caffe.proto文件里的Message类型：TransformationParameter下查找。
二.数据来源于数据库（LevelDB或者LMDB）

LMDB：Lightning MemoryMapped Databases，由于Caffe的文件读取方式使得该格式的数据输入最适用于1-K分类问题

层参数设置实例：

[plain]  view plain  copy

1. layer {  
2.   name: "data"  
3.   type: "Data"  
4.   top: "data"  
5.   top: "label"  
6.   include {  
7.     phase: TRAIN  
8.   }  
9.   transform_param {  
10.     mirror: 1  
11.     crop_size: 227  
12.     mean_value: 104  
13.     mean_value: 117  
14.     mean_value: 123  
15.   }  
16.   data_param {  
17.     source: "examples/imagenet/ilsvrc12_train_lmdb"  
18.     batch_size: 32  
19.     backend: LMDB  
20.   }  
21. }  

data_param里必须设置的参数有

（1）source：数据库文件名

（2）batch_size：每次处理的样本数目

可选参数：

（1）backend：数据库类型，默认为LMDB，可选LevelDB

（2）rand_skip：在开始的时候跳过rand_skip个输入数据，这个对异步SGD有效

减去均值的方法可以由另一种方法代替，由（一）中的代码示意可看出。

其中.binaryproto文件可由下述方式得到，由LMDB数据库计算得到均值文件

[plain]  view plain  copy

1. cd ~/caffe  
2. build/tools/compute_image_mean examples/imagenet/ilsvr12_train_lmdb   
3. data/ilsvrc12/imagenet_mean.binaryproto  

三.数据来源于原生图像文件

直接从文本文件读入所有要处理的图像文件的路径与label标签

层参数设置实例：

[plain]  view plain  copy

1. layer {  
2.   name: "data"  
3.   type: "ImageData"  
4.   top: "data"  
5.   top: "label"  
6.   include {  
7.     phase: TRAIN  
8.   }  
9.   transform_param {  
10.     mirror: true  
11.     crop_size: 227  
12.     mean_value: 104  
13.     mean_value: 117  
14.     mean_value: 123  
15.   }  
16.   image_data_param {  
17.     source: "/path/to/file/train.txt"  
18.     batch_size: 32  
19.     <span style="color:#3333FF;">shuffle: 1</span>  
20.   }  
21. }  

层的类型为ImageData，图像和标签文件来源为txt文本，文本内容如下所示，其中最后一列为该图像的标签

[plain]  view plain  copy

1. /path/to/images/img3423.jpg 2  
2. /path/to/images/img3424.jpg 13  
3. /path/to/images/img3425.jpg 8  
4. ...  

image_data_params参数必须设置的有：

（1）source：txt文件名

可选参数：

（1）batch_size：每次输入处理的图像个数，默认为1

（2）new_height:图像resize之后的height，默认为0，表示忽略

（3）new_width：图像resize之后的width，默认为0，表示忽略

（4）shuffle：是否随机打乱数据，默认为0，表示忽略

（5）rand_skip：同数据库层设置

四.图像来源于内存

可以很快的从内存中直接读取数据。

使用该方法来读入数据时，可以靠调用MemoryDataLayer::Reset (from C++) orNet.set_input_arrays (from Python)来指定一个具体的数据地址，如通常的存放所有输入数据的四维数组的首地址，这样就可以每次从改地址内读取batch_size大小的数据。

该方法也有可能会比较慢，如果使用之前先要将数据复制到内存中的话。

目前还不太清楚这种功能最适合在什么场合。。。

层参数设置实例：

[plain]  view plain  copy

1. layer {  
2.   top: "data"  
3.   top: "label"  
4.   name: "memory_data"  
5.   type: "MemoryData"  
6.   memory_data_param{  
7.     batch_size: 2  
8.     height: 100  
9.     width: 100  
10.     channels: 1  
11.   }  
12.   transform_param {  
13.     scale: 0.0078125  
14.     mean_file: "mean.proto"  
15.     mirror: false  
16.   }  
17. }  

batch_size,height,width,channels都是使用该层时所必须要设置的参数，这样才能正确的从内存中读入数据

五.数据来源于HDF5格式

不太适合图像，因为HDF5格式数据采用FP32格式的数据，而图像采用的是uint8，因此若将文件转为该格式则会很大。与其他层不同，该层没有transform_params属性。一般不要使用～～～

层设置实例：

[plain]  view plain  copy

1. layer {  
2.   name: "data"  
3.   type: "HDF5_DATA"  
4.   top: "data"  
5.   top: "label"  
6.   include {  
7.     phase: TRAIN  
8.   }  
9.   hdf5_data_param {  
10.     source: "examples/hdf5_classification/data/train.txt"  
11.     batch_size: 32  
12.   }  
13. }  

hdf5_data_params必须设置的参数：

（1）batch_size

(2)source

可选设置

（1）shuffle：默认为0，表示忽略

六.数据来源于原始图片的窗口Windows

最适合目标检测任务，因为目标检测的训练样本都是标注好的窗口，而不是整张图像。这也是我目前最需要的～～～

训练时是针对每一个窗口进行训练，而不是一个图像。

层设置实例：

[plain]  view plain  copy

1. layers {  
2.   name: "data"  
3.   type: "WindowsData"  
4.   top: "data"  
5.   top: "label"  
6.   window_data_param {  
7.     source: "/path/to/file/window_train.txt"  
8.   
9.     mean_file: "data/ilsvrc12/imagenet_mean.binaryproto"  
10.     batch_size: 128  
11.     mirror: true  
12.     crop_size: 227  
13.     fg_threshold: 0.5  
14.     bg_threshold: 0.5  
15.     fg_fraction: 0.25  
16.     context_pad: 16  
17.   }  
18. }  

其中window_train.txt文件实例如下：

[plain]  view plain  copy

1. # 0  
2. /home/xxx/0001.jpg  
3. 641  
4. 7  
5. 1 1.0 353 356 393 396  
6. 1 0.5 338 344 379 384  
7. 2 0.7 339 336 379 376  
8. 5 0 334 330 374 370  
9. 4 1.0 330 324 370 364  
10. 4 1.0 335 319 375 359  
11. 4 1.0 341 313 381 353  
12. # 1  
13. /home/xxx/0002.jpg  
14. 600  
15. 3  
16. 2 1.0 353 356 393 396  
17. 2 0.5 338 344 379 384  
18. 3 0.7 339 336 379 376  

其中第一行是图片的index, 从0开始, 接下来三行依此是图片的channel, height, width, 接下来一行表示 bounding box 数量. 再接下来的每一行都是一个bounding box, 第一个数字表示label, 第二个数字表示与真实goundtruth 的overlap, 接下来的四个数字表示x1, y1, x2, y2。负样本的标签可以随意指定。

该层必须要设置的参数：

（1）source：包含原始图像，窗口位置大小，窗口类别的文本文件

（2）mean_file：整张图像的的mean_file

（3）batch_szie

可选参数：

（1）mirror

（2）crop_size：裁剪的窗口的大小

（3）crop_mode：裁剪方式，“warps”代表将窗口固定大小crop_size，“square”表示能够包围窗口的最小正方形；默认“warp”

（4）fg_threshold：foreground overlap threshold ,默认0.5，代表只有BoundingBox与GroundTruth的重合面积比大于0.5时才认为是正样本

（5）bg_threshold：background overlap threshold，默认0.5，代表只有BoundingBox与GroundTruth的重合比例小于0.5时才认为是负样本

（6）fg_fraction：默认0.25，一个batch里正样本窗口的比例

（7）context_pad：默认10个像素点，代表输入窗口数据的时候会自动在窗口周围数据补充10个像素点，像素值填充0.

如下图所示，最外围的一圈即为context填充，此时context_pad为1：

七.其他数据Layer

“Input”type：常用来测试网络的前向和后向传递时间

“DummyData”type：常用来debug，也可以用来测试网络传递时间

DummyData实例

[plain]  view plain  copy

1. layer {  
2.   name: "data"  
3.   type: "DummyData"  
4.   top: "data"  
5.   include {  
6.     phase: TRAIN  
7.   }  
8.   dummy_data_param {  
9.     data_filler {  
10.       type: "constant"  
11.       value: 0.01  
12.     }  
13.     shape {  
14.       dim: 32  
15.       dim: 3  
16.       dim: 227  
17.       dim: 227  
18.     }  
19.   }  
20. }  
21. layer {  
22.   name: "data"  
23.   type: "DummyData"  
24.   top: "label"  
25.   include {  
26.     phase: TRAIN  
27.   }  
28.   dummy_data_param {  
29.     data_filler {  
30.       type: "constant"  
31.     }  
32.     shape {  
33.       dim: 32  
34.     }  
35.   }  
36. }  

在这个例子中，有两个数据层，一个blob一个层，data一个，label一个。在HDF5，Data数据库，ImageData，都是data和label放在一个层里。这样方便调试。

最后放一张前面的各种数据读入的类的继承关系～