0
在「Inside-Outside Net: Detecting Objects in Context with Skip Pooling and Recurrent Neural Networks」如何重新調整咖啡中功能圖的權重?
紙張他們正在使用的跳躍連接概念Concat的層conv3,CONV4,conv5的ROI-合併功能,但在連接前,他們建議使用L2範數和重新調整的每個特徵從這些圖層中提取的地圖,問題是我如何確定混合特徵的重新縮放值,哪個caffe層可以用來實現?
他們提到'我們規範了彙集的特徵,以確保訓練初始化時下游值處於合理的範圍。具體而言,從'conv3','conv4'和'conv5'彙集的特徵分別按比例初始化爲57.75,81.67和81.67。如果我使用一個底部,那麼該比例是學習的,如果我使用了一個固定的比例因子,那麼我應該把它放入底部1而底部0作爲輸入特徵? – user824624
查看示例[here](https://stackoverflow.com/a/44762207/1714410):使用'lr_mult'您可以決定caffe是否學習(並更改)縮放參數或將其保持固定。隨你便。 @ user824624 – Shai
附加問題,這與紙張更相關,我怎麼知道哪個確切的值要初始化,就像他們在論文中做的那樣 – user824624