Not achieving your reported performance! about densenet-caffe HOT 3 CLOSED

使用原始尺寸的图像做Validation，原始图像不管长宽多少，都可以按比例将其最短边缩放到256，长边是N，然后在这个图像上裁剪最中间的224x224。10 Crops就是在图像里面裁剪10个不同的区域，送入神经网络，然后得到概率然后平均，这样性能会更好。

from densenet-caffe.

@shicai Thanks a lot!
1）每次测试都使用原始图像作为，会比用val_lmdb慢很多，而且没法在训练的同时验证；
或是这样：训练前把256xN裁剪得到的224x224图片变成lmdb，这样10个crop得到10个lmdb。
你是怎么做的? 144 crop时以上方法应该都不行，有什么好办法吗？
2）10个输入得到概率取平均，我感觉不能通过python脚本实现，是不是要修改caffe源码？
3）googlenet和resnet等论文里的ensemble model是不是也是多个模型输入取概率平均？

PS：大神能微博私信你吗

from densenet-caffe.

做验证的时候，我只用single crop，multi crop的pycaffe代码github到处都是，你自己找下就好了。
ensemble一般都是多个模型，论文中肯定有写用了几个模型，你找找。

from densenet-caffe.