Caffe：如何训练端到端（图像到图像）？
Caffe: How to train end-to-end (image to image)?
我们对 caffe 还很陌生，但到目前为止我们所看到的看起来很有希望。
读了几篇论文后(1,2), we wanted to reproduce the result of 1, specifically about a segmentation challenge 4.
我们从3 and were able to execute it, just to see, that the trained network didn't work with the dataset from 4下载了修改后的caffe。
起初我们认为网络需要针对特定问题进行训练。
这导致了如何做的问题 'image-to-image (aka end-to-end) learning ' (4, training data).
这将我们引向 'holistically nested edge detection'（hed，2），其中似乎使用了图像到图像学习。
借助 hed，我们能够自行重新训练网络。但它不起作用（如果我们尝试为 4 的数据集训练网络，它会导致所有 0 或 0.5 个图像 - 黑色图像 :-( )。为了初始化，我们编写了一个脚本来计算均值- map 我们用于 4.
的数据集
我们的问题是：
- 我们如何重现 运行 在 1 中提到的结果
图像到图像训练？
或
- 你如何训练我们进行图像到图像学习的网络？
- 由于我们只有 30 个图像到图像对，我们是否应该实现
1/3 via matlab/python 中提到的变形或者是否有
caffe 中的功能已经存在了吗？
- 我们是否遗漏了 1 或 2 中的简单内容？
亲切的问候，
克劳斯和伯恩哈德
Ps：我们在 caffe-user 组问了同样的问题，并打算 post 两个 locations 的解决方案。
一段时间后，尝试了几种不同的方法 - 我偶然发现：
使用那个 caffe fork，caffe_neural_models 和 caffe_neural_tool 训练图像（原始）到图像（标签）可以非常简单地完成。
只需查看 'caffe_neural_models/net*' 了解不同的配置。
我们对 caffe 还很陌生，但到目前为止我们所看到的看起来很有希望。
读了几篇论文后(1,2), we wanted to reproduce the result of 1, specifically about a segmentation challenge 4.
我们从3 and were able to execute it, just to see, that the trained network didn't work with the dataset from 4下载了修改后的caffe。
起初我们认为网络需要针对特定问题进行训练。 这导致了如何做的问题 'image-to-image (aka end-to-end) learning ' (4, training data).
这将我们引向 'holistically nested edge detection'（hed，2），其中似乎使用了图像到图像学习。 借助 hed，我们能够自行重新训练网络。但它不起作用（如果我们尝试为 4 的数据集训练网络，它会导致所有 0 或 0.5 个图像 - 黑色图像 :-( )。为了初始化，我们编写了一个脚本来计算均值- map 我们用于 4.
的数据集我们的问题是：
- 我们如何重现 运行 在 1 中提到的结果 图像到图像训练？
或
- 你如何训练我们进行图像到图像学习的网络？
- 由于我们只有 30 个图像到图像对，我们是否应该实现 1/3 via matlab/python 中提到的变形或者是否有 caffe 中的功能已经存在了吗？
- 我们是否遗漏了 1 或 2 中的简单内容？
亲切的问候， 克劳斯和伯恩哈德
Ps：我们在 caffe-user 组问了同样的问题，并打算 post 两个 locations 的解决方案。
一段时间后，尝试了几种不同的方法 - 我偶然发现：
使用那个 caffe fork，caffe_neural_models 和 caffe_neural_tool 训练图像（原始）到图像（标签）可以非常简单地完成。
只需查看 'caffe_neural_models/net*' 了解不同的配置。