Я получаю неверную ошибку размера поля данных при генерации среднего изображения учебных данных, даже после генерации с помощью create_imagenet.sh, почему?

Question

Я пытаюсь создать среднее изображение из данных обучения в caffe. Мои данные - 256x256 изображений в оттенках серого. Я создал lmdb, используя create_imagenet.sh, повторно используя --shuffle с --gray.

Я редактировал create_imagenet.sh следующим образом:

GLOG_logtostderr=1 $TOOLS/convert_imageset \ 
    --resize_height=$RESIZE_HEIGHT \ 
    --resize_width=$RESIZE_WIDTH \ 
    --gray \ 
    $TRAIN_DATA_ROOT \ 
    $DATA/train.txt \ 
    $EXAMPLE/train_lmdb 

echo "Creating val lmdb..." 

GLOG_logtostderr=1 $TOOLS/convert_imageset \ 
    --resize_height=$RESIZE_HEIGHT \ 
    --resize_width=$RESIZE_WIDTH \ 
    --gray \ 
    $VAL_DATA_ROOT \ 
    $DATA/val.txt \ 
    $EXAMPLE/val_lmdb 

echo "Done." 

Но я все еще получаю ошибку при создании mean image.

/home/user1/caffe-master/build/tools/compute_image_mean -backend=lmdb /home/user1/input/train_lmdb /home/user1/input/train_mean.binaryproto 

Здесь ошибка:

F0105 14:50:52.470038 2191 compute_image_mean.cpp:77] Check failed: size_in_datum == data_size (64000 vs. 65536) Incorrect data field size 64000 
*** Check failure stack trace: *** 
    @  0x7faa4978d5cd google::LogMessage::Fail() 
    @  0x7faa4978f433 google::LogMessage::SendToLog() 
    @  0x7faa4978d15b google::LogMessage::Flush() 
    @  0x7faa4978fe1e google::LogMessageFatal::~LogMessageFatal() 
    @   0x402be1 main 
    @  0x7faa486da830 __libc_start_main 
    @   0x403249 _start 
    @    (nil) (unknown) 
Aborted (core dumped) 

Кто-нибудь есть какие-либо предложения для решения этой ошибки?

Ваша помощь очень ценится.

Answer 1

Убедитесь, что ваши изображения 256X256, перед тем как запускать сеть, вы должны преобразовать все изображения в одинакового размера.

добавив --gray в ваш LMDB создаст свои изображения в качестве одного канала.

layer { 
    name: "data" 
    type: "Data" 
    [...] 
    transform_param { 
    scale: 0.1 
    mean_file_size: mean.binaryproto 
    # for images in particular horizontal mirroring and random cropping 
    # can be done as simple data augmentations. 
    mirror: 1 # 1 = on, 0 = off 
    # crop a `crop_size` x `crop_size` patch: 
    # - at random during training 
    # - from the center during testing 
    crop_size: 256 # cropping your images 
    } 
}