深度学习caffe平台-----裁剪层(Crop Layer)参数及参数详解
来源:互联网 发布:java中文api下载 编辑:程序博客网 时间:2024/06/05 23:03
在Fully Convolutional Networks(FCN)中,会用到Crop 层,他的主要作用是进行裁切。下面我们举一个例子来说明如何使用Crop 层。
Caffe中的数据是以 blobs形式存在的,blob是四维数据,即 (Batch size, number of Chennels, Height, Width)=(N, C, H, W)。---(0,1,2,3)
Crop层的输入(bottom blobs)有两个,让我们假设为A和B,输出(top)为C。
- A是要进行裁切的bottom,他的size是 (20,50,512,512)
- B是裁切的参考输入,他的size是(20,10,256,256)
- C是输出(top blob),由A裁切而来,那么他的size是(20,10,256,256)
在这个例子中,轴0的维度不变,我们只需要裁切blob的轴1,2,3,所以我们设置axis=1,代表我们将会裁切轴1和它之后的所有轴。
有两个裁切模式:
模式1---给出3个offsets,每个针对一个dimension,offset=(25,128,128)
- axis=1,offset=(25,128,128)
- crop operation: C = A[: , 25: 25+B.shape[1] , 128: 128+B.shape[2] , 128: 128+B.shape[3] ]
- 也就是说,对于A的轴1,对称裁切了25-35
- 对称裁切:offset = (Original_length - desired length ) / 2
模式2---给出1个offset,适用于三个dimension,offset=25
- 那么就相当于模式1 的 offset=(25,25,25)
模式1的prototxt写法如下:
1
2
3
4
5
6
7
8
9
10
11
12
13
layer {
name:
"crop_layer"
type:
"Crop"
bottom:
"A"
bottom:
"B"
top:
"C"
crop_param {
axis: 1
offset: 25
offset: 128
offset: 128
}
}
阅读全文
0 0
- 深度学习caffe平台-----裁剪层(Crop Layer)参数及参数详解
- 深度学习caffe平台-----激活层(Activiation Layers)参数及参数详解
- 深度学习caffe平台-----视觉层(Vision Layers)参数及参数详解
- 深度学习caffe平台--train_val.prototxt文件中视觉层(Vision Layers)层及参数详解
- 深度学习caffe平台--train_val.prototxt文件中数据层及参数详解
- 深度学习caffe平台--train_val.prototxt文件中激活层(Activiation Layers)及参数及参数详解
- Caffe学习系列:数据层及参数
- Caffe学习:其它常用层及参数
- 深度学习框架caffe 各层参数解析
- caffe各层参数详解
- Caffe:数据层及参数
- caffe:数据层及参数
- caffe layer层详解
- caffe学习:数据层参数
- Caffe学习系列(2):数据层及参数
- Caffe学习系列(3):视觉层(Vision Layers)及参数
- Caffe学习系列(4):激活层(Activiation Layers)及参数
- Caffe学习系列(5):其它常用层及参数
- linux批量改文件名
- UVA1629[Cake slicing] 棋盘动态规划
- SQL优化
- SpringBoot应用与原理之开发环境搭建
- EL表达式和JSTL常用学习
- 深度学习caffe平台-----裁剪层(Crop Layer)参数及参数详解
- 浏览器打开含有applet标签网页报ClassNotFoundException错误的解决办法
- centos libc.6.so 链接出错
- C++ 学习笔记
- Nginx出现could not open error log file (permission denied)报错
- C#中怎样实现序列化和反序列化
- 大型网站架构之分布式消息队列
- numpy 数组和矩阵的乘法的理解
- SYN攻击(DDOS攻击的一种)