shortcut_layer resize for random=1

AlexeyAB

2018-03-15 371f21171a2606b4ad5f60651ed6f63cb8d08d99

 src/detector.c

@@ -25,11 +25,13 @@
#pragma comment(lib, "opencv_highgui" OPENCV_VERSION ".lib")
#endif

#endif
IplImage* draw_train_chart(float max_img_loss, int max_batches, int number_of_lines, int img_size);
void draw_train_loss(IplImage* img, int img_size, float avg_loss, float max_img_loss, int current_batch, int max_batches);
#endif   // OPENCV

static int coco_ids[] = {1,2,3,4,5,6,7,8,9,10,11,13,14,15,16,17,18,19,20,21,22,23,24,25,27,28,31,32,33,34,35,36,37,38,39,40,41,42,43,44,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,67,70,72,73,74,75,76,77,78,79,80,81,82,84,85,86,87,88,89,90};

void train_detector(char *datacfg, char *cfgfile, char *weightfile, int *gpus, int ngpus, int clear)
void train_detector(char *datacfg, char *cfgfile, char *weightfile, int *gpus, int ngpus, int clear, int dont_show)
{
    list *options = read_data_cfg(datacfg);
    char *train_images = option_find_str(options, "train", "data/train.list");
@@ -41,6 +43,9 @@
    float avg_loss = -1;
    network *nets = calloc(ngpus, sizeof(network));

   int iter_save;
   iter_save = 100;

    srand(time(0));
    int seed = rand();
    int i;
@@ -87,13 +92,22 @@
   args.small_object = l.small_object;
    args.d = &buffer;
    args.type = DETECTION_DATA;
   args.threads = 4;// 8;
   args.threads = 8; // 64

    args.angle = net.angle;
    args.exposure = net.exposure;
    args.saturation = net.saturation;
    args.hue = net.hue;

#ifdef OPENCV
   IplImage* img = NULL;
   float max_img_loss = 5;
   int number_of_lines = 100;
   int img_size = 1000;
   if (!dont_show)
      img = draw_train_chart(max_img_loss, net.max_batches, number_of_lines, img_size);
#endif   //OPENCV

    pthread_t load_thread = load_data(args);
    clock_t time;
    int count = 0;
@@ -102,7 +116,6 @@
      if(l.random && count++%10 == 0){
            printf("Resizing\n");
         int dim = (rand() % 12 + (init_w/32 - 5)) * 32; // +-160
            //int dim = (rand() % 10 + 10) * 32;
            //if (get_current_batch(net)+100 > net.max_batches) dim = 544;
            //int dim = (rand() % 4 + 16) * 32;
            printf("%d\n", dim);
@@ -159,8 +172,16 @@

        i = get_current_batch(net);
        printf("%d: %f, %f avg, %f rate, %lf seconds, %d images\n", get_current_batch(net), loss, avg_loss, get_current_rate(net), sec(clock()-time), i*imgs);

#ifdef OPENCV
      if(!dont_show)
         draw_train_loss(img, img_size, avg_loss, max_img_loss, i, net.max_batches);
#endif   // OPENCV

      //if (i % 1000 == 0 || (i < 1000 && i % 100 == 0)) {
      if (i % 100 == 0) {
      //if (i % 100 == 0) {
      if(i >= iter_save) {
         iter_save += 100;
#ifdef GPU
         if (ngpus != 1) sync_nets(nets, ngpus, 0);
#endif
@@ -176,6 +197,9 @@
    char buff[256];
    sprintf(buff, "%s/%s_final.weights", backup_directory, base);
    save_weights(net, buff);

   //cvReleaseImage(&img);
   //cvDestroyAllWindows();
}


@@ -898,7 +922,7 @@
      float box_h = points->data.fl[i * 2 + 1];
      //int cluster_idx = labels->data.i[i];    
      int cluster_idx = 0;
      float min_dist = 1000000;
      float min_dist = FLT_MAX;
      for (j = 0; j < num_of_clusters; ++j) {
         float anchor_w = centers->data.fl[j * 2];
         float anchor_h = centers->data.fl[j * 2 + 1];
@@ -972,7 +996,7 @@
   cvReleaseMat(&labels);
}
#else
void calc_anchors(char *datacfg, int num_of_clusters, int final_width, int final_height) {
void calc_anchors(char *datacfg, int num_of_clusters, int final_width, int final_height, int show) {
   printf(" k-means++ can't be used without OpenCV, because there is used cvKMeans2 implementation \n");
}
#endif // OPENCV
@@ -1089,11 +1113,11 @@
      if (weights[strlen(weights) - 1] == 0x0d) weights[strlen(weights) - 1] = 0;
    char *filename = (argc > 6) ? argv[6]: 0;
    if(0==strcmp(argv[2], "test")) test_detector(datacfg, cfg, weights, filename, thresh, dont_show);
    else if(0==strcmp(argv[2], "train")) train_detector(datacfg, cfg, weights, gpus, ngpus, clear);
    else if(0==strcmp(argv[2], "train")) train_detector(datacfg, cfg, weights, gpus, ngpus, clear, dont_show);
    else if(0==strcmp(argv[2], "valid")) validate_detector(datacfg, cfg, weights);
    else if(0==strcmp(argv[2], "recall")) validate_detector_recall(datacfg, cfg, weights);
   else if(0==strcmp(argv[2], "map")) validate_detector_map(datacfg, cfg, weights, thresh);
   else if(0==strcmp(argv[2], "calc_anchors"))  calc_anchors(datacfg, num_of_clusters, final_width, final_heigh, show);
   else if(0==strcmp(argv[2], "calc_anchors")) calc_anchors(datacfg, num_of_clusters, final_width, final_heigh, show);
    else if(0==strcmp(argv[2], "demo")) {
        list *options = read_data_cfg(datacfg);
        int classes = option_find_int(options, "classes", 20);