Caffe 学习:Crop 层

Posted 坤元居士

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Caffe 学习:Crop 层相关的知识,希望对你有一定的参考价值。

  

  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:

layer {
  name: "crop_layer"
  type: "Crop"
  bottom: "A"
  bottom: "B"
  top: "C"
  crop_param {
    axis: 1
    offset: 25
    offset: 128
    offset: 128
  }
}

  

 

以上是关于Caffe 学习:Crop 层的主要内容,如果未能解决你的问题,请参考以下文章

转 Caffe学习系列:视觉层(Vision Layers)及参数

转 Caffe学习系列:数据层及参数

转 Caffe学习系列:其它常用层及参数

Caffe学习5-用C++自定义层以及可视化结果

Caffe学习5-用C++自定义层以及可视化结果

深度学习 caffe flatten层怎么配置