caffe: Как интерпретировать EuclideanLoss (пиксельная регрессия)

Question

У меня есть и изображение как входное и изображение как ground_truth. Мой последний слой - это EuclideanLoss, где последний слой convolutional имеет num_output = 1, чтобы рассчитать потерю между этими двумя изображениями.

При тестировании сети с моим deploy.prototxt я опуская EuclideanLoss слойный, что означает, что мои последние слои являются Convolutional слой с последующим Relu слоем. Как я должен интерпретировать значения, когда я получить их с помощью Python, как:

pred = net.forward() 

output_blob = pred['result'] 

output_blob имеет Шап 1xheightxwidth, но значения не находятся в определенном диапазоне. Они могут быть даже отрицательными. Как получить правильные значения для создания изображения? Или как мне интерпретировать эти ценности? Должен ли я извлекать их из входного изображения или как я должен их обрабатывать?

Answer 1

Если вы знаете, что ваш вывод должен быть не отрицательным, зачем использовать ReLU с отрицательным наклоном ?, я бы изменил его для обычного слоя ReLU. Затем, после того, как с помощью вперед(), вы должны получить выходные данные, как это:

output_data=output_blob.data[...] 

, что выход может иметь форму как Batch, nchannels, H, W. Вы можете использовать output_data=np.squeeze (output_data) , чтобы иметь выход в виде 2D-матрицы.

EDIT: Способ интерпретации последних значений слоя будет состоять в том, что именно изображение является самым близким (с точки зрения расстояния L2) к оценкам глубины, наблюдаемым во время обучения для данного входа.