我正在尝试在Caffe中对图层执行L2规范化。这个想法有点像在http://www.cs.cornell.edu/~kb/publications/SIG15ProductNet.pdf这样的对比度损失中使用这些L2规范化的fc7特征。
我可以找到一些人们发布L2规范化层代码的链接。但是我想知道是否可以使用Caffe的Local Response Normalization层或者其他任何一个。
我有一个1x2048的最终fc向量(大小为1x1的2048个通道)。有人可以指导我这个吗?
答案 0 :(得分:0)
您可以使用简单的图层组合在Caffe中执行L2归一化:
layer {
name: "denom"
type: "Reduction"
bottom: "loss"
top: "denom"
reduction_param {
operation: SUMSQ
axis: 1
}
}
layer {
name: "power"
type: "Power"
bottom: "denom"
top: "power"
power_param {
power: -0.5
shift: 9.99999996004e-13
}
}
layer {
name: "reshape"
type: "Reshape"
bottom: "power"
top: "reshape"
reshape_param {
shape {
dim: 1
}
axis: -1
num_axes: 0
}
}
layer {
name: "tile"
type: "Tile"
bottom: "reshape"
top: "tile"
tile_param {
axis: 1
tiles: 300
}
}
layer {
name: "elwise"
type: "Eltwise"
bottom: "loss"
bottom: "tile"
top: "elwise"
eltwise_param {
operation: PROD
}
}