长风破浪会有时，直挂云帆济沧海

Center Loss - Caffe实现

Caffe Loss层 - SoftmaxWithLossLayer可以分解为 SoftmaxLayer + MultinomialLogisticLoss 层的组合，不过其梯度计算更加数值稳定. 测试时，该网络层可以由 SoftmaxLayer 层代替.

Dilated Convolution[Paper]: Multi-scale Context Aggregation by Dilated Convolutions [Caffe-Code]1. Caffe 中的定义Dilated Convolution 已经可在 Caffe 官方的卷积层参数中定义.message ConvolutionParameter { /...

Caffe Vision 层 - 卷积层 ConvLayerCaffe 的视觉层一般采用 images 作为输入，输出另一种 images. 也可以是其它类型的数据和维度.images 可以是单通道 (1 channel) 的灰度图，也可以是三通道(3 channel) 的 RGB 彩色图片.视觉层一般是对输入 images 的特定区域进行特定处理，得到特定区域对应的输出区域，如 Co...

Caffe Loss 层 - SigmoidCrossEntropyLoss 推导与Python实现[原文 - Caffe custom sigmoid cross entropy loss layer].很清晰的一篇介绍，学习下.1. Sigmoid Cross Entropy Loss 推导Sigmoid Cross Entropy Loss 定义形式：L=tln(P)...

Caffe Loss层 - SigmoidCrossEntropyLossLayer1. SigmoidLayer非线性激活函数——Sigmoid：y=(1+exp(−x))−1=11+exp(−x)y=(1+exp(−x))−1=11+exp(−x)y = (1+exp(-x))^{-1} = \frac{1}{1+exp(-x)}该激活函数随着值远离 0 ，会出现梯度消...

Caffe Loss 层Loss 计算的是网络输出的 target 值与真实label之间的误差，最小化以优化网络. Loss 值由 forward-pass 计算得到，并在 backward-pass 计算关于 loss 的梯度值.Caffe 主要提供了以下 Loss 层：1. SoftmaxWithLoss用于一对多(one-of-many) 的分类任务，计算多项 lo...

Caffe Data 层 - ImageDataLayerCaffe 官方提供的直接从 image 文件读取图像数据及对应label.1. 数据格式及 prototxt 定义数据格式为：# train.txt001.jpg 1002.jpg 2003.jpg 3网络层定义：# train_val.prototxtlayer { name: "da...

Caffe - 全连接层 inner_product_layer图像分类中，网络结构的最后一般有一个或多个全连接层.全连接层的每个节点都与其上层的所有节点相连，以综合前面网络层提取的特征. 其全连接性，导致参数较多.全连接层将卷积的 2D 特征图结果转化为 1D 向量.如 MNIST：最后两层为全连接层，在pooling 层后，转化为 1D 的 1*100 长度的向量....

batch norm layer & scale layer简述Batch Normalization 论文给出的计算：前向计算：后向计算：BatchNorm 主要做了两部分：[1] 对输入进行归一化，xnorm=x−μσxnorm=x−μσx_{norm} = \frac{x - \mu}{\sigma}，其中， μμ\mu 和 σσ\sigma 是...

Faster R-CNN 训练过程源码理解训练脚本 ./tools/train_net.py 主函数开始. 数据读取层 RoIDataLayer

Caffe Loss - Lifted Struct Similarity Softmax LayerLoss Layer From Deep-Metric-Learning-CVPR16.1. 在 prototxt 中的定义layer { name: "fc_embedding" type: "InnerProduct" bottom: "pool_ave" ..

SegAccuracyLayer语义分割

Softmax with Loss Layer网络层 type: SoftmaxWithLossDoxygen Documentation头文件: ./include/caffe/layers/softmax_loss_layer.hppCPU 代码: ./src/caffe/layers/softmax_loss_layer.cppCUDA GPU 代码: ./src/caffe/lay

HingelossLayer计算 one-of-many 分类任务的 hinge loss.Hinge Loss 概念定义为： E(z)=max(0,1−z)E(z)=max(0,1−z)E(z) = max(0, 1-z) 常用在SVM的最大化间隔分类中. 对于期望输出t=+1,−1t=+1,−1t={+1,-1}和分类器分yyy， 预测值yyy的 hinge...

RoI Pooling 层

原文： CaffeLoss - FocalLossLayer - AIUAIGithub - focal_loss_layerFocal Loss 论文理解及公式推导 - AIUAI基于 SoftmaxWithLossLayer 实现的 FocalLossLayer.主要涉及四个文件：caffe.protofocal_loss_layer.hppfocal_loss_layer...