1. Convolution Layer - convolves the input image with a set
of learnable filters, each producing one feature map in the
output image.
默認類型爲 constant, 更詳細的介紹見 include/caffe/filter.hpp
2. Pooling Layer - max, average, or stochastic pooling.
3. Spatial Pyramid Pooling (SPP)
4. Crop - perform cropping transformation.
Parameters
Parameters (CropParameter crop_param)
From ./src/caffe/proto/caffe.proto):
message CropParameter {
optional int32 axis = 1 [default = 2];
repeated uint32 offset = 2;
} e
xample:
layer {
name: "crop_layer"
type: "Crop"
| bottom: "A" bottom: "B" top: "C" crop_param { axis: 1 blob） offset: 25 offset: 128 |
# 待裁剪的 # 參考裁剪 # 最終得到的裁剪後的 |
| # 表示從軸1到後面軸開始此裁剪（四維 |
offset: 128
}
} 解
釋說明：
Caffe中的數據是以 blobs形式存在的，blob是四維數據，即 （Batch size, number of
Chennels, Height, Width）=(N, C, H, W)。（0,1,2,3）
Crop層的輸入（bottom blobs）有兩個，讓我們假設爲A和B，輸出（top）爲C。
A是要進行裁切的bottom，他的size是 （20,50,512,512）
B是裁切的參考輸入，他的size是（20,10,256,256）
C是輸出（top blob），由A裁切而來，那麼他的size是（20,10，256,256）
在這個例子中，軸0的維度不變，我們只需要裁切blob的軸1,2,3，所以我們設置
axis=1，代表我們將會裁切軸1和它之後的所有軸。
有兩個裁切模式：
模式1給出3個offsets，每個針對一個dimension，offset=（25,128,128）
axis=1，offset=（25,128,128）
crop operation: C = A[: , 25: 25+B.shape[1] , 128:
128+B.shape[2] , 128: 128+B.shape[3] ]
也就是說，對於A的軸1，對稱裁切了2535
對稱裁切：offset = (Original_length desired length ) / 2
模式2給出1個offset，適用於三個dimension，offset=25
那麼就相當於模式1 的 offset=（25,25,25）
5. Deconvolution Layer - transposed convolution.
6. Im2Col - relic helper layer that is not used much anymore.