转自： http://www.cnblogs.com/kunyuanjushi/p/5937083.html
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。
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）
模式2---给出1个offset，适用于三个dimension，offset=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
}
}caffe的正则项理解 在神经网络的cost function中，出了主目标函以外，往往伴有正则项。如下述公式， J(θ)=1N∑i=0N(hi(θ)−yi)2+λL2(θ)（1）J(θ)=1N∑i=0N(hi(θ)−yi)2+λL2(θ)（1） J(&the...
caffe.proto 源码在bvlc/caffe上,proto文件理解为传送门，proto注释为传送门。 层的类型有： 层的理解为： SolverParameter NetParameter LayerParameter TransformationParameter LossParameter FillerParameter AccuracyParameter ArgMaxParameter ...
在做MTCNN时，首先训练12Net，目的是为了提高Face的召回率，即首先进行三分类：pos，neg，part genetate size为12的py文件： ...
转自:https://blog.csdn.net/u010417185/article/details/52651761 下面以一个简单的例子进行介绍。 [python] view plain copy print? layer { name: ”data” ...
大家都知道，在使用imagedata层的时候，有一个特别好用的transform_param的一个参数：crop_size，它能够将image按照你想要的大小crop下来。如果你输入的是多scale的图片，这样无疑是省去了预处理的一大步骤，同时还能进行数据增强。但是，张小肚这次想实现的是crop一个长方形！（长宽不一致）怎么办呢？张小肚对C/C++几乎不熟悉，这可怎么办呢？—&mdas...
cd $CAFFE_ROOT ./data/mnist/get_mnist.sh ./examples/mnist/create_mnist.sh ./examples/mnist/train_lenet.sh 制作测试图片： 测试图片：test.py predicted class: 4...
在/data/VOCdevkit目录下创建mydataset, 并放入自己的数据集: 其中Annotations中存放一些列XML文件，包含object的bbox，name等； ImageSets中三个子目录下均存放train.txt, val.txt, trainval.txt, test.txt这几个文件，文件内容为图片的文件名（不带后缀）； ...
Caffe 安装Caffe 编译 安装Caffe 下载 Caffe: 编译 修改Makefile.config中，去掉CPU_ONLY := 1前面的#号， 去掉USE_OPENCV := 0前面的#号 实验版本，为了简化编译过程，只使用CPU，也不使用OpenCV。 编译过程中提示找不到protobuf的头文件，运行： 编译过程中如果提示 是因为boost的开发库没有安装： 执行： 提示： 这是...
安装 veclib...
上拉加载 小程序有内置函数可以实现上拉加载...