0
在“Inside-Outside Net: Detecting Objects in Context with Skip Pooling and Recurrent Neural Networks”如何重新调整咖啡中功能图的权重?
纸张他们正在使用的跳跃连接概念Concat的层conv3,CONV4,conv5的ROI-合并功能,但在连接前,他们建议使用L2范数和重新调整的每个特征从这些图层中提取的地图,问题是我如何确定混合特征的重新缩放值,哪个caffe层可以用来实现?
他们提到'我们规范了汇集的特征,以确保训练初始化时下游值处于合理的范围。具体而言,从'conv3','conv4'和'conv5'汇集的特征分别按比例初始化为57.75,81.67和81.67。如果我使用一个底部,那么该比例是学习的,如果我使用了一个固定的比例因子,那么我应该把它放入底部1而底部0作为输入特征? – user824624
查看示例[here](https://stackoverflow.com/a/44762207/1714410):使用'lr_mult'您可以决定caffe是否学习(并更改)缩放参数或将其保持固定。随你便。 @ user824624 – Shai
附加问题,这与纸张更相关,我怎么知道哪个确切的值要初始化,就像他们在论文中做的那样 – user824624