0
「Inside-Outside Net: Detecting Objects in Context with Skip Pooling and Recurrent Neural Networks」caffeでフィーチャマップの重みを再スケールする方法は？
の論文で、彼らは、層conv3のROI-プールされた機能をCONCATするスキップ接続概念を使用してCONV4、conv5が、連結の前に、彼らはL2ノルムを使用し、各機能を再スケールすることを提案していますこれらの層から抽出されたマップ、私の質問は、これを実装するために使用できるcaffe層のプールされたフィーチャの再スケーリング値を決定する方法です。
「プールされたフィーチャを正規化して、トレーニングが初期化されたときに下流の値が合理的なスケールになるようにします。具体的には、 'conv3'、 'conv4'、 'conv5'からプールされたフィーチャは、それぞれ57.75、81.67、81.67にスケールで初期化されます。 1つのボトムを使用するとスケールが学習され、固定のスケーリング係数を使用した場合はボトム1に入力し、ボトム0を入力フィーチャとして使用する必要があります。 – user824624
例を見てください。[here]（https://stackoverflow.com/a/44762207/1714410）： 'lr_mult'を使って、caffeがスケールパラメータを学習（および変更）するかどうかを決めることができます。それはあなた次第です。 @ user824624 – Shai
追加の質問。これは紙に関連しています。紙の中でどのような初期値を設定するかを知るにはどうすればいいですか？ – user824624