caffe data augmentation

딥러닝할때 주어진 DATA의 량은 정합성을 좌우 하죠.. 때문에 DATA Augmentation 이 필요하죠.. Caffe 가 기본 제공 하는 augmentation은 random crop 과 mirror(flip vertical) 입니다. 그리고 Train Phase만 사용 가능하구요. 다른 사람들이 만들어 놓은것도 있는데, 추가로 더 필요한 것들이 많네요.

 가장 general 한 방법들이 많이 추가 된 곳이 https://github.com/kevinlin311tw/caffe-augmentation 여기인데 Train phase 만, Image Data Type만 지원합니다. 제 PC 환경에서는 Image Data Type 과 LMDB 로 Train 하는것은.. 약 3배 정도 차이납니다.


그래서 Data Augmentaion 을 추가로 만들어 보았습니다. https://github.com/ttagu99/caffe/tree/windows

 DATA AUGUMENTATION 을 추가합니다. 사용은 아래의 예처럼 쓰면되는데, 주의 할 점은 기존에는 crop_size에 값을 입력할 경우, ramdomly crop을 하게 되는데 변경된 코드에서는 crop_offset_rand를 true로 해줘야 합니다.

1. layer {
2. name: "train-data"
3. type: "Data"
4. top: "data"
5. top: "label"
6. include {
7. phase: TRAIN
8. }
9. transform_param {
10. mirror: true
11. flip_hor: true
12. crop_size: 300
13. crop_offset_rand: true
14. mean_file: "CAR_DISTANCE/train.binaryproto"
15. contrast_adjustment: true
16. smooth_filtering: true
17. jpeg_compression: true
18. rotation_angle_interval: 0
19. display: false
20. }
21. data_param {
22. source: "CAR_DISTANCE/Train_out/"
23. batch_size: 10
24. backend: LMDB
25. }
26. }
27. layer {
28. name: "val-data"
29. type: "Data"
30. top: "data"
31. top: "label"
32. include {
33. phase: TEST
34. }
35. transform_param {
36. mirror: true
37. flip_hor: true
38. crop_size: 300
39.     crop_offset_rand: true
40. mean_file: "CAR_DISTANCE/validation.binaryproto"
41.     contrast_adjustment: true
42. smooth_filtering: true
43. jpeg_compression: true
44.     rotation_angle_interval: 0
45. display: false
46. }
47. data_param {
48. source: "CAR_DISTANCE/Validation_out/"
49. batch_size: 10
50. backend: LMDB
51. }
52. }

  lmdb type 및 image data tpye 모두 가능합니다. train phase, test phase 모두 가능합니다. @kevinlin311tw/caffe-augmentation 를 기반으로 만들었습니다. Thank you for your inspiration!