这两周在跑一个模型,我真的是被折腾的要崩溃了。

最后原因就是数据类型的问题,你说是不是应该管小黑屋啊。

skimage.io.imread得到的是uint8的数据,而caffe.io.load_image得到的是0-1之间的小数。

img=skimage.io.imread(img_path), uint8,0-255

img=caffe.io.load_image(img_path), float,0-1

这个还不是最关键的,关键是在使用时的实际情况。

caffe里,使用caffe.io.load_image时,需要把值转换为0-255之间,所以要乘255.

img=skimage.io.imread(img_path),uint8,0-255

img=caffe.io.load_image(img_path)*255,float,0-255

然后最关键的平方,在DL中,要减去均值才行是吧,于是

img=skimage.io.imread(img_path)-mean,uint8,0-255

img=caffe.io.load_image(img_path)*255-mean,float,0-255

 

此时看似没什么问题。但是第一种方式,减掉均值后,很多地方变成0了。这个在对整图操作时,可能影响还不大,但是如果你要考虑局部的信息,比如像素点的局部信息,此时你就等着吧,绝对因为大部分是0,什么都没有了。

而第二种情况,因为是浮点数,减均值后还是有值的,在0附近的小数,于是这个还是比较正常的输入值,对DL来说,当你定位到局部信息时,还是比较真实的。

于是,我是这么做的,把第一种情况得到的图像都乘以1.0,然后就看到图像的像素值变成浮点型了。这样以来,在减均值时,就好了。

img=(skimage.io.imread(img_path))*1.0,uint8,0-255

img=caffe.io.load_image(img_path)*255,float,0-255

 

这个问题可是困扰了我N天啊,真是个大坑,掉进去了,希望以后再用python时能够注意到这个问题。

 

罗嗦那么多,其实最重要的是均值要是浮点型的,不要四舍五入,其实img转换根本没什么用在这里,关键还是均值,一定不能是整型数啊。

 

我真的是绕了个大弯啊,我的天呢。

 

还有一个坑,如果你读图时赋值给img=skimage.io.imread(img_path)

但是,如果你减均值时这么干的,

img -= mean

 

那么你必须在读取图像后赶快把img后面乘上1.0了,转成浮点型,要不然的话,减掉均值再赋值给img,还是给转成整型了,于是还是不行啊。

唉,真的是各种坑啊,所以以后还是乖乖用caffe的io吧。