如何重新调整caffe中特征图的权重？

Question

在'Inside-Outside Net: Detecting Objects in Context with Skip Pooling and Recurrent Neural Networks'的论文中

他们正在使用跳过连接概念来连接 conv3、conv4、conv5 层的 roi-pooled 特征，但在连接之前，他们建议使用 L2 NORM 并重新缩放从这些层中提取的每个特征图，这是我的问题是如何确定池化特征的重新缩放值，可以使用哪个 caffe 层来实现？

Answer 1

您可以使用现有层来计算特征图的L2 范数。有关示例，请参见 this thread。
您可以使用"Scale" 层来缩放每个特征图。