SSD的caffe源码解读 -- 数据增强

SSD 的数据增强对ssd网络识别小物体效果明显（原文Fig6），而且他使用的方法有点特别，所以在此解析一下他的源码。python代码

补充一下data augment翻译：叫“数据增广”更好，中科院自动化所的师兄的翻译更准确

（一） ssd_pascal.py

/examples/ssd/ssd_pascal.py
在此源码中有几个点是涉及到数据预处理的，在此列举如下：

#第93行，变量batch_sampler
93 batch_sampler = [……
 
 
1
2

这是原文中所提到的（小节2.2）数据增强所用到的jaccard overlap和其他两个策略，在代码中的参数设置。

#第179行，train_transform_param
train_transform_param = {……
#第216行，test_transform_param
 
 
1
2
3

这儿设置了一些图像变换的方法，比如resize转换大小，distort颜色变化，还有后面两个不太明白，先及下来。

//TODO：expand，emit
 
 
1

这些参数都去哪儿了呢，在后面创建*.prototxt的时候用到了

#第435行，CreateAnnotatedDataLayer（）函数
net.data, net.label = CreateAnnotatedDataLayer(
#此函数在/python/caffe/model_libs.py中。
#在第208行，batch_sampler被赋值给了annotated_data_param
#第196/201以及214，transform_param被赋值给了transform_param
 
 
1
2
3
4
5

（二）train.prototxt

然后去找所创建的prototxt文件，在jobs/VGGNet/Voc0712/ssd_300/train.prototxt中，可以找到字典transform_param和annotated_data_param。
然后根据这两个参数去找调用他们的cpp代码

//对于batch_sampler的解释：(train.prototxt)
batch_sampler {
      sampler {
        min_scale: 0.3  #scale是patch随机框和原图的面积比
        max_scale: 1.0  
        min_aspect_ratio: 0.5 #长宽比
        max_aspect_ratio: 2.0
      }
      sample_constraint {
        min_jaccard_overlap: 0.3    #随机框和原ground truth的jaccard overlap
      }
      max_sample: 1
      max_trials: 50 #迭代次数
    }
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14

（三）annotated_data_layer.hpp/.cpp

1）transform

a.) 灰度/颜色扭曲DistortImage（）函数（在第157行）

this->data_transformer_->DistortImage(anno_datum.datum(),
                                            distort_datum.mutable_datum());
 
 
1
2

b.) ExpandImage（）（在第161/168行）

this->data_transformer_->ExpandImage(distort_datum, expand_datum);
 
 
1

这两个函数都是调用了this指针，在该annotated.hpp头文件中可以看到没有这两个函数，但她继承了BasePrefetchingDataLayer文件，在里面可以找到data_transformer_是类DataTransformer的指针，至此可以找到DistortImage了，同样的ExpandImage。

这两个函数的功能
1. ExpandImage是缩小图片，达到zoom out的效果：先做一个比原图大的画布，然后随机找一个放原图的位置将原图镶嵌进去，像天安门上挂了一个画像。这在SSD原文中提到的zoom out缩小16倍（4×4，3.6节）来获得小对象的方法。
而放大图像必然会导致需要填充一些数据，原文（SSD，3.6节）提到是使用mean值填充，在data_transforme.cpp中，使用了如下的代码：

if (has_mean_values) {
   transformed_data[top_index] =
       (datum_element - mean_values_[c]) * scale;//c是channel，在prototxt中有三个值，分别对应三个波段104,117,123。
 } 
 
 
1
2
3
4

1. distortImage使用了opencv的函数（DataTransformer.cpp），但我没找到该函数的实现。

    // Distort the image.
    cv::Mat distort_img = ApplyDistort(cv_img, param_.distort_param());
annotated_data_param/batch_samplers的处理
 
 
1
2
3

c.) 随机裁剪
batch_samplers是生产随机样本patch的方法，在该cpp的第178行调用了函数GenerateBatchSamples()函数原型定义为：

// Generate samples from AnnotatedDatum using the BatchSampler.
// All sampled bboxes which satisfy the constraints defined in BatchSampler
// is stored in sampled_bboxes.
void GenerateBatchSamples(const AnnotatedDatum& anno_datum,
                          const vector<BatchSampler>& batch_samplers,
                          vector<NormalizedBBox>* sampled_bboxes);
 
 
1
2
3
4
5
6

然后调用到了函数GenerateSamples/SampleBBox
其方法是随机生产width和height，但是长宽的生成是相关的;然后在随机生成左上角坐标（之前见到的是先随机生成左上角坐标，然后用固定size去裁剪）

void SampleBBox(const Sampler& sampler, NormalizedBBox* sampled_bbox) {
  // Get random scale.
  CHECK_GE(sampler.max_scale(), sampler.min_scale());//scale是prototxt中参数
  CHECK_GT(sampler.min_scale(), 0.);//检查这些参数符合逻辑
  CHECK_LE(sampler.max_scale(), 1.);
  float scale;
  caffe_rng_uniform(1, sampler.min_scale(), sampler.max_scale(), &scale);//自定义的生成随机数的方法，在区间内生成float数，类似于random.random()

  // Get random aspect ratio.
  CHECK_GE(sampler.max_aspect_ratio(), sampler.min_aspect_ratio());
  CHECK_GT(sampler.min_aspect_ratio(), 0.);
  CHECK_LT(sampler.max_aspect_ratio(), FLT_MAX);//同样检查超参
  float aspect_ratio;
  caffe_rng_uniform(1, sampler.min_aspect_ratio(), sampler.max_aspect_ratio(),
      &aspect_ratio);//随机数

  aspect_ratio = std::max<float>(aspect_ratio, std::pow(scale, 2.));//做了些调整
  aspect_ratio = std::min<float>(aspect_ratio, 1 / std::pow(scale, 2.));

  // Figure out bbox dimension.
  float bbox_width = scale * sqrt(aspect_ratio);//长宽
  float bbox_height = scale / sqrt(aspect_ratio);

  // Figure out top left coordinates.
  float w_off, h_off;
  caffe_rng_uniform(1, 0.f, 1 - bbox_width, &w_off);//左上坐标
  caffe_rng_uniform(1, 0.f, 1 - bbox_height, &h_off);

  sampled_bbox->set_xmin(w_off);
  sampled_bbox->set_ymin(h_off);
  sampled_bbox->set_xmax(w_off + bbox_width);
  sampled_bbox->set_ymax(h_off + bbox_height);
}
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

将随机产生的框（超参数给出迭代次数为max_trials: 50，会产生一些有效的符合要求的框boxes，不一定是50）存入一个容器中，然后再这这个容器中随机选择一个来裁剪图片和标注数据。

      // Generate sampled bboxes from expand_datum.
      vector<NormalizedBBox> sampled_bboxes;
      GenerateBatchSamples(*expand_datum, batch_samplers_, &sampled_bboxes);
      if (sampled_bboxes.size() > 0) {
        // Randomly pick a sampled bbox and crop the expand_datum.
        int rand_idx = caffe_rng_rand() % sampled_bboxes.size();
        sampled_datum = new AnnotatedDatum();
        this->data_transformer_->CropImage(*expand_datum,
                                           sampled_bboxes[rand_idx],
                                           sampled_datum);
 
 
1
2
3
4
5
6
7
8
9
10

用到了这几个数据的处理关系如下：

之所以要贴出来，是因为多种transform方法组合在一起的时候，必然会带来排列组合的问题，源码中使用了一些组合方式，而不是生成一堆图像。（有人在blog中提到不同类别样本的数目问题，不均衡肯定是不好的，带来一些训练偏好）

上面并没有提及的是图片的长和宽，除了ExpandImage中会得到固定的size 的裁剪图片，其他的地方没有特别强调图片长宽不同，特别是sampled随机裁剪图片时，长和宽是用同样的随机数得到的，如果要被裁剪的图片长宽不同，那最终就不能保证aspect ratio（宽/长）了。
我们继续分析源码，annotateDataLayer层重新实现了DataLayerSetUp()函数，该函数是BaseDataLayer的一个虚函数，里面的。而BasePrefetchingDataLayer类的LayerSerup（）调用了BaseDataLayer::LayerSetUp(bottom, top);函数将数据存入了prefetch_中，而所获取的数据被重新的reshape（）了。

   // Reshape top[0] and prefetch_data according to the batch_size.
  for (int i = 0; i < this->PREFETCH_COUNT; ++i) {//AnnotatedDataLayer<Dtype>::DataLayerSetUp() ---line60
    this->prefetch_[i].data_.Reshape(top_shape);//其中，data_经过多层继承，最终是Blob的一个对象
  }
 
 
1
2
3
4

在这个层（annotateDataLayer）被调用的时候，它已经将输入数据resize了。

git代码（python）https://github.com/daniaokuye/SSD_data_augment.git

@[TOC](这里写自定义目录标题)

欢迎使用Markdown编辑器

你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。

新的改变

我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：

1. 全新的界面设计 ，将会带来全新的写作体验；
2. 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
3. 增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
4. 全新的 KaTeX数学公式 语法；
5. 增加了支持甘特图的mermaid语法¹ 功能；
6. 增加了 多屏幕编辑 Markdown文章功能；
7. 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能，功能按钮位于编辑区域与预览区域中间；
8. 增加了 检查列表 功能。

功能快捷键

撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：Ctrl/Command + B
斜体：Ctrl/Command + I
标题：Ctrl/Command + Shift + H
无序列表：Ctrl/Command + Shift + U
有序列表：Ctrl/Command + Shift + O
检查列表：Ctrl/Command + Shift + C
插入代码：Ctrl/Command + Shift + K
插入链接：Ctrl/Command + Shift + L
插入图片：Ctrl/Command + Shift + G

合理的创建标题，有助于目录的生成

直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

删除文本

引用文本

H₂O is是液体。

2¹⁰ 运算结果是 1024.

插入链接与图片

链接: link.

图片:

带尺寸的图片:

居中的图片:

居中并且带尺寸的图片:

当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

• 项目
  • 项目
    • 项目

1. 项目1
2. 项目2
3. 项目3

• 计划任务
• 完成任务

创建一个表格

一个简单的表格是这么创建的：

项目	Value
电脑	$1600
手机	$12
导管	$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列	第二列	第三列
第一列文本居中	第二列文本居右	第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：

TYPE	ASCII	HTML
Single backticks	'Isn't this fun?'	‘Isn’t this fun?’
Quotes	"Isn't this fun?"	“Isn’t this fun?”
Dashes	-- is en-dash, --- is em-dash	– is en-dash, — is em-dash

创建一个自定义列表

Markdown

Text-to- HTML conversion tool

Authors

John

Luke

如何创建一个注脚

一个具有注脚的文本。²

注释也是必不可少的

Markdown将文本转换为 HTML。

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 $\Gamma (n)=(n-1)!\forall n\in \mathbb{N}$ 是通过欧拉积分

$$\Gamma (z)={\int }_0^{\infty }{t}^{z-1}{e}^{-t}dt.$$

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能，丰富你的文章

• 关于 甘特图 语法，参考 这儿,

UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：:

这将产生一个流程图。:

• 关于 Mermaid 语法，参考 这儿,

FLowchart流程图

我们依旧会支持flowchart的流程图：

• 关于 Flowchart流程图 语法，参考 这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件或者.html文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，
继续你的创作。

---

1. mermaid语法说明 ↩︎

2. 注脚的解释 ↩︎