无论图像如何，Caffe预测同一类

Question

我修改了MNIST示例 ，当我使用我的3个图像类训练它时，它返回91％的准确度。 但是，当我使用部署原型文件和标签文件修改C ++示例 ，并尝试在某些图像上测试它时，无论我给出的是什么图像，它都会返回第二类（1个圆圈）的预测，概率为1.0。即使它是在训练集中使用的图像。 我已经尝试了十几张图片，它始终只是预测了一个类。

为了澄清事情，在我修改的C ++示例中，我确实将图像缩放为预测，就像在训练阶段缩放图像一样：

img.convertTo(img, CV_32FC1);
img = img * 0.00390625;

如果这是正确的事情，那么我想知道我是否在我的deploy_arch.prototxt文件中计算概率的输出层做错了。

Answer 1

我认为您忘记了在分类时间内缩放输入图像，如train_test.prototxt文件的第11行所示。 您可能应该在C ++代码中的某个位置乘以该因子，或者使用Caffe图层来缩放输入（请查看ELTWISE或POWER图层）。

编辑：

在评论中进行了一次对话之后，结果发现在classification.cpp文件中错误地删除了图像均值，而在原始训练/测试管道中没有减去图像均值。

Answer 2

你的火车课程平衡吗？ 您可以通过预测一个主要类别的堆叠网络。 为了找到问题，我建议在训练期间输出火车预测，与来自不同级别的相同火车图像的前向示例的预测相比较。