论文实践学习 - Deep Metric Learning via Lifted Structured Feature Embedding

最新推荐文章于 2024-08-11 20:33:24 发布

AIHGF

最新推荐文章于 2024-08-11 20:33:24 发布

阅读量2.7k

点赞数 1

分类专栏：图像检索文章标签： caffe 特征提取论文实践

本文链接：https://blog.csdn.net/zziahgf/article/details/78096878

版权

本文介绍了通过Lifted Structured Feature Embedding进行深度度量学习的论文实践过程，包括数据准备、模型训练和特征提取。在数据准备阶段，涉及数据集格式、分割、图片裁剪和cpp编译。在模型训练部分，讨论了如何创建Leveldb数据集，使用预训练模型提取特征，并进行了图像检索的召回率评估。

摘要由CSDN通过智能技术生成

Deep Metric Learning via Lifted Structured Feature Embedding

1. 准备

安装 Caffe-Deep-Metric-Learning-CVPR16
基于ImageNet训练的的 GoogleNet
Stanford Online Products dataset(2.9G)，这里采用的实验数据集
Cars Dataset
Pre-trained Models(265M)

2. 数据准备

2.1 数据集格式

Ebay_info.txt

EBay_train.txt

Ebay_test.txt

其内容格式为：

image_id class_id super_class_id path
1 1 1 bicycle_final/111085122871_0.JPG
2 1 1 bicycle_final/111085122871_1.JPG
3 1 1 bicycle_final/111085122871_2.JPG
......

image_id - 图片id
class_id - 商品的款数id
super_class_id - 图片的类别id
path - 图片路径

注： Ebay_train.txt 和 Ebay_test.txt 的 image_id 和 class_id 是依次排列的, Ebay_test.txt 的第一个图片样本是接着 Ebay_train.txt的最后一个图片样本的.

conf.m 配置：

function conf = config()

conf = struct();

%% Directories

conf.root_path = '/path/to/Deep-Metric-Learning-CVPR16/code/ebay/';
conf.cache_path = '/path/to/Deep-Metric-Learning-CVPR16/code/ebay/cache';
conf.image_path = '/path/to/Ebay_Dataset/';

%% Training parameters
conf.preprocessing.crop_padding = 15;
conf.preprocessing.square_size = 256;
conf.preprocessing.num_to_load = 255;
conf.preprocessed_image_file = [conf.cache_path, '/training_images.mat'];

path_triplet = '/path/to/Deep-Met