如何在不拆分通道的情况下为 caffe 编写图像批量分类？

【问题标题】：How to write image batch classification for caffe without channels splitting?如何在不拆分通道的情况下为 caffe 编写图像批量分类？
【发布时间】：2016-09-29 13:32:24
【问题描述】：

对于图像批量分类，我使用了来自这个问题 Modifying the Caffe C++ prediction code for multiple inputs 的代码。但我注意到出于某种原因分割图像通道的功能。

我猜它适用于通常的 CNN 架构，但它适用于连体架构吗？我猜不是，因为在 C++ 分类中它不能正常工作。

有人可以解释一下，我应该如何更改连体架构的代码（按通道分割图像并将这些通道分配给不同的层，这就是重点），或者至少是输入的内存存储如何工作，以自己弄清楚？

Blob<float>* input_layer = net_->input_blobs()[0];

【问题讨论】：

标签： machine-learning computer-vision deep-learning caffe

【解决方案1】：

想通了，问题出在Classifier::Preprocess的opencv函数中

cv::split(img[i], channels);

因为它只有在 img 中包含的 cv::Mat 形成为带有通道的 2D 图像时才有效。如果像我的情况一样，它是以其他方式形成的，尺寸像 (channels, width, height) 或 (width, height, channels) cv::split 不会像您期望的那样拆分 cv::Mat，所以我已经用其他实现替换了这一步。

【讨论】：