CNN各个层的介绍

原文链接：caffe.berkeleyvision.org/tutorial/layers.html

创建caffe模型，首先要在protocol buffer 定义文件(prototxt)中定义结构。

在caffe环境中，图像的明显特征是其空间结构。

主要layers

主要功能

主要类型

其他

卷积层

提取特征

CONVOLUTION

学习率、数据维度

池化层

特征池化

POOLING

池化方法，数据维度

局部响应归一化层

临近抑制

LRN

损失计算层

loss计算

SOFTMAX_LOSS

EUCLIDEAN_LOSS

HINGE_LOSS

ACCURACY正确率

选择合适的loss

范数可选

激励层

非线性函数

ReLU

SIGMOID

TANH

ABSVAL

POWER

BNLL

ReLU收敛更快

数据层

数据源

Level-DB

LMDB

HDF5_DATA

HDF5_OUTPUT

IMAGE_DATA

Level-DB和LMDB更加高效

一般层

INNER_PRODUCT 全连接层

SPLIT

FLATTEN 类似shape方法

CONCAT

ARGMAX

MVN

 

一、卷积层 Convolution：

Documents：注意维度变化与参数选择

Parameters (ConvolutionParameter convolution_param) 2   3 Required 4     num_output (c_o): 输出数（filter数） 5     kernel_size (or kernel_h and kernel_w): 指定卷积核    6     7 Strongly Recommended 8     weight_filler [default type: 'constant' value: 0] 9 10 Optional11     bias_term [default true]: 指定是否提供偏置10         12     pad (or pad_h and pad_w) [default 0]: 指定输入图片的两侧像素填充量13     stride (or stride_h and stride_w) [default 1]: 过滤器步长14     group (g) [default 1]: 如果 g > 1, 我们限制每一个filter之间的连通性 对于输入的子集. 指定输入和输出被分为 g 组,第i输出组只会和第i输入组相连接.15 16 Input17 18 n * c_i * h_i * w_i19 20 Output21 22 n * c_o * h_o * w_o, where h_o = (h_i + 2 * pad_h - kernel_h) / stride_h + 1 and w_o likewise.

 example：

layers { 2   name: "conv1" 3   type: CONVOLUTION 4   bottom: "data" 5   top: "conv1" 6   blobs_lr: 1          # learning rate multiplier for the filters 7   blobs_lr: 2          # learning rate multiplier for the biases 8   weight_decay: 1      # weight decay multiplier for the filters 9   weight_decay: 0      # weight decay multiplier for the biases10   convolution_param {11     num_output: 96     # learn 96 filters12     kernel_size: 11    # each filter is 11x1113     stride: 4          # step 4 pixels between each filter application14     weight_filler {15       type: "gaussian" # initialize the filters from a Gaussian16       std: 0.01        # distribution with stdev 0.01 (default mean: 0)17     }18     bias_filler {19       type: "constant" # initialize the biases to zero (0)20       value: 021     }22   }23 }

 

二、池化层 Pooling：

参考链接 deeplearning.stanford.edu/wiki/index.php/池化

 池化: 概述

在通过卷积获得了特征 (features) 之后，下一步我们希望利用这些特征去做分类。理论上讲，人们可以用所有提取得到的特征去训练分类器，例如 softmax 分类器，但这样做面临计算量的挑战。例如：对于一个 96X96 像素的图像，假设我们已经学习得到了400个定义在8X8输入上的特征，每一个特征和图像卷积都会得到一个 (96 − 8 + 1) * (96 − 8 + 1) = 7921 维的卷积特征，由于有 400 个特征，所以每个样例 (example) 都会得到一个 892 * 400 = 3,168,400 维的卷积特征向量。学习一个拥有超过 3 百万特征输入的分类器十分不便，并且容易出现过拟合 (over-fitting)。


为了解决这个问题，首先回忆一下，我们之所以决定使用卷积后的特征是因为图像具有一种“静态性”的属性，这也就意味着在一个图像区域有用的特征极有可能在 另一个区域同样适用。因此，为了描述大的图像，一个很自然的想法就是对不同位置的特征进行聚合统计，例如，人们可以计算图像一个区域上的某个特定特征的平 均值 (或最大值)。这些概要统计特征不仅具有低得多的维度 (相比使用所有提取得到的特征)，同时还会改善结果(不容易过拟合)。这种聚合的操作就叫做池化 (pooling)，有时也称为平均池化或者最大池化 (取决于计算池化的方法)。

 

参数解释：

Required 2     kernel_size (or kernel_h and kernel_w):池化核 3 Optional 4     pool [default MAX]:指定池化方法. MAX, AVE, or STOCHASTIC(按照概率值大小随机选择，数值大的被选中的概率大) 5     pad (or pad_h and pad_w) [default 0]: 指定输入图片的两侧像素填充量 6     stride (or stride_h and stride_w) [default 1]:过滤器步长 7 Input 8     n * c * h_i * w_i 9 Output10     n * c * h_o * w_o,where h_o = (h_i + 2 * pad_h - kernel_h) / stride_h + 1 and w_o likewise..

示例：

layers { 2   name: "pool1" 3   type: POOLING 4   bottom: "conv1" 5   top: "pool1" 6   pooling_param { 7     pool: MAX 8     kernel_size: 3 # 3*3 区域池化 9     stride: 2      #  (in the bottom blob) between pooling regions10   }11 }