如何使用 criterion 来计算 Torch/Lua 中的 earth movers 距离(或如何只获得比较结果)

我正在尝试计算 Torch7 中两个直方图之间的距离,为此我想使用 earth mover's distance。现在我知道在 Python 中使用 https://github.com/garydoranjr/pyemd 类似的东西并不难,但我的数据在 Torch 中,需要多次执行这个计算。因此,将整个数据在 Torch7 和 Python 之间移动不是一个选项。

那么我的问题是,在 Torch7 中,哪个是最快的 earth mover 距离计算器?我已经搜索过了,但没有找到任何类似于库的东西,希望有一种更好的方法来实现这个过程,而不是像逐行翻译 Python 代码一样。尤其是 Torch 通常更擅长处理 GPU 上的事情。

编辑我已经发现了 这个,但不确定如何使用它。

我目前有以下代码:

    function ColourCompareHistEMD (imagers)
        sumdistance=0
        k={}
        for i=1,$images do
            k[i]=torch.bhistc(images[i],20,-100,100)
        end

        for i=1,$images do
           for j=1,$images do
                #在这里做什么?
           end
        end
    end

我目前的最佳猜测是这样的:

function ColourCompareHistEMD (images)
    sumdistance=0
    r={}
    for i=1,#images do
        print(images[i])

        r[i]=torch.histc(images[i][1]:view(images[i][1]:nElement()),20,-100,100)
    end

    for i=1,#images do
       for j=1,#images do
            criterion = nn.EMDCriterion()
            criterion:forward(r[i],r[j])
            sumdistance=sumdistance+criterion.loss

       end
   end

return sumdistance
end

但这似乎不起作用,因为 criterion.loss 不起作用并且给我一个错误

/home/thijser/torch/install/bin/luajit: bad argument #2 to '?' (out of range at /home/thijser/torch/pkg/torch/generic/Tensor.c:704)
stack traceback:
    [C]: at 0x7f2048fdc530
    [C]: in function '__newindex'
    /home/thijser/torch/install/share/lua/5.1/EMDCriterion.lua:52: in function 'preprocess'
    /home/thijser/torch/install/share/lua/5.1/EMDCriterion.lua:255: in function 'forward'
    imageSelector.lua:343: in function 'evalHueImages'
    imageSelector.lua:66: in function 'evaluate'
    imageSelector.lua:81: in function 'SelectTop'
    imageSelector.lua:151: in function 'evolve'
    imageSelector.lua:158: in function <imageSelector.lua:156>
    [C]: in function 'dofile'
    ...jser/torch/install/lib/luarocks/rocks/trepl/scm-1/bin/th:150: in main chunk
    [C]: at 0x5641c3f40470

但不确定如何使用它,例如在评论中计算图像 i 和 j 之间的 earth mover 距离。

点赞
用户8226830
用户8226830

似乎 EMDCriterion 要求输入和目标至少为二维。它还要求您比较中的点横向排列。由于 torch.histc 的结果是一维的,因此您可以将其重塑为二维行张量,如下所示:

for i=1,#images do
    print(images[i])
    local hist = torch.histc(images[i][1]:view(images[i][1]:nElement()),20,-100,100)
    r[i] = hist:reshape(1,hist:nElement())
end

此外,我尝试运行代码

criterion:forward(r[i],r[j])
print(criterion.loss)

结果是 nil。改为以下代码以累积损失:

local loss = criterion:forward(r[i],r[j])
sumdistance = sumdistance + loss

此外,如果您在嵌套的 for-loop 外定义分类器 criterion = nn.EMDCriterion(),效率会更高一些。

2017-07-07 17:13:51