Caffe学习系列(3)：视觉层（Vision Layers)及参数 Caffe学习系列(2)：数据层及参数

全部的层都具备的参数，如name, type, bottom, top和transform_param请参看个人前一篇文章：Caffe学习系列(2)：数据层及参数

本文只讲解视觉层（Vision Layers)的参数，视觉层包括Convolution, Pooling, Local Response Normalization (LRN), im2col等层。

一、Convolution层：

就是卷积层，是卷积神经网络（CNN）的核心层。

层类型：Convolution

　　lr_mult: 学习率的系数，最终的学习率是这个数乘以solver.prototxt配置文件中的base_lr。若是有两个lr_mult, 则第一个表示权值的学习率，第二个表示偏置项的学习率。通常偏置项的学习率是权值学习率的两倍。

在后面的convolution_param中，咱们能够设定卷积层的特有参数。

必须设置的参数：

  　　num_output: 卷积核（filter)的个数

  　　kernel_size: 卷积核的大小。若是卷积核的长和宽不等，须要用kernel_h和kernel_w分别设定

其它参数：

  　　 stride: 卷积核的步长，默认为1。也能够用stride_h和stride_w来设置。

  　　 pad: 扩充边缘，默认为0，不扩充。 扩充的时候是左右、上下对称的，好比卷积核的大小为5*5，那么pad设置为2，则四个边缘都扩充2个像素，即宽度和高度都扩充了4个像素,这样卷积运算以后的特征图就不会变小。也能够经过pad_h和pad_w来分别设定。

    　　weight_filler: 权值初始化。 默认为“constant",值全为0，不少时候咱们用"xavier"算法来进行初始化，也能够设置为”gaussian"

    　　bias_filler: 偏置项的初始化。通常设置为"constant",值全为0。

   　　 bias_term: 是否开启偏置项，默认为true, 开启

   　　 group: 分组，默认为1组。若是大于1，咱们限制卷积的链接操做在一个子集内。若是咱们根据图像的通道来分组，那么第i个输出分组只能与第i个输入分组进行链接。

 

输入：n*c ₀*w ₀*h ₀

输出：n*c ₁*w ₁*h ₁

其中，c ₁就是参数中的num_output，生成的特征图个数

 w ₁=(w ₀+2*pad-kernel_size)/stride+1;

 h ₁=(h ₀+2*pad-kernel_size)/stride+1;

若是设置stride为1，先后两次卷积部分存在重叠。若是设置pad=(kernel_size-1)/2,则运算后，宽度和高度不变。

示例：

layer {
  name: "conv1"
  type: "Convolution"
  bottom: "data"
  top: "conv1"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 2
  }
  convolution_param {
    num_output: 20
    kernel_size: 5
    stride: 1
    weight_filler {
      type: "xavier"
    }
    bias_filler {
      type: "constant"
    }
  }
}

  二、Pooling层

也叫池化层，为了减小运算量和数据维度而设置的一种层。

层类型：Pooling

必须设置的参数：

  　　 kernel_size: 池化的核大小。也能够用kernel_h和kernel_w分别设定。

其它参数：

  　pool: 池化方法，默认为MAX。目前可用的方法有MAX, AVE, 或STOCHASTIC

　　pad: 和卷积层的pad的同样，进行边缘扩充。默认为0

　　stride: 池化的步长，默认为1。通常咱们设置为2，即不重叠。也能够用stride_h和stride_w来设置。

 示例：

layer {
  name: "pool1"
  type: "Pooling"
  bottom: "conv1"
  top: "pool1"
  pooling_param {
    pool: MAX
    kernel_size: 3
    stride: 2
  }
}

pooling层的运算方法基本是和卷积层是同样的。

输入：n*c*w ₀*h ₀

输出：n*c*w ₁*h ₁

和卷积层的区别就是其中的c保持不变

 w ₁=(w ₀+2*pad-kernel_size)/stride+1;

 h ₁=(h ₀+2*pad-kernel_size)/stride+1;

若是设置stride为2，先后两次卷积部分不重叠。100*100的特征图池化后，变成50*50.

 

三、Local Response Normalization (LRN)层

此层是对一个输入的局部区域进行归一化，达到“侧抑制”的效果。可去搜索AlexNet或GoogLenet，里面就用到了这个功能

 层类型：LRN

参数：所有为可选，没有必须

　　local_size: 默认为5。若是是跨通道LRN，则表示求和的通道数；若是是在通道内LRN，则表示求和的正方形区域长度。

　　alpha: 默认为1，归一化公式中的参数。

　　beta: 默认为5，归一化公式中的参数。

　　norm_region: 默认为ACROSS_CHANNELS。有两个选择，ACROSS_CHANNELS表示在相邻的通道间求和归一化。WITHIN_CHANNEL表示在一个通道内部特定的区域内进行求和归一化。与前面的local_size参数对应。

 

归一化公式：对于每个输入, 去除以 ，获得归一化后的输出

 

示例：

layers {
  name: "norm1"
  type: LRN
  bottom: "pool1"
  top: "norm1"
  lrn_param {
    local_size: 5
    alpha: 0.0001
    beta: 0.75
  }
}

四、im2col层

若是对matlab比较熟悉的话，就应该知道im2col是什么意思。它先将一个大矩阵，重叠地划分为多个子矩阵，对每一个子矩阵序列化成向量，最后获得另一个矩阵。

 

看一看图就知道了：

在caffe中，卷积运算就是先对数据进行im2col操做，再进行内积运算（inner product)。这样作，比原始的卷积操做速度更快。

看看两种卷积操做的异同：