MatConvNet中关于vl_simplenn_display的一些分析

一、关于各层data size的分析

layer1：  floor((224-7)/2)+1=109

              这里7是filter大小，2是stride

layer4： floor((109+0+1-3)/2)+1=54

               这里0和1是前向和后向的pad，3是filter大小，2是stride

layer5：floor((54+1+1-5)/2)+1=26

　　      floor((54+1-5)/2)+1=26

              不知道上面那个是正确的，就是不知道layer5的pad的1是只一个方向（后）pad1，还是两个方向（前，后）都pad1

layer8: floor((26+0+1-3)/2)+1=13

layer11: floor(13+1+1-3)/1)+1=13　　　　

              floor(13+1-3)/1)+1=12

              从这里可以知道layer5的第一个公式是正确的，也就是前后两个方向都pad 1，如果是2维图像，则在上下左右都pad了1.

 

二、关于rf size的分析

这里的rf是指receptive field，各层接受野的计算思路如下：

按照这个思路就很容易理解这段代码：（上图蓝色圆珠笔有误，应该是layer1,4,5；我写成了layer1,2,3）

info.receptiveFieldSize(1:2,l) = 1 + ...
sum(cumprod([[1;1], info.stride(1:2,1:l-1)],2) .* ...
(info.support(1:2,1:l)-1),2) ;%只要画图就可以计算出来

 

三、关于rf offset的分析

首先layer1 如果以中心对齐，可以看到原先的像素4对应了layer1的△1，所以layer1的offset就是4

layer4： layer4是三个layer1对应一个layer4，所以layer1的△2对应了layer4的○1，而layer1的△2对应的实际上是原先输入像素的6，即offset是6

layer5： layer5是五个layer4对应一个layer5，所以layer4的○3对应了layer5的□1，而layer4的○3对应了layer1的△6，进一步的实际上是原先输入像素的14

但是这个值和上面display出来的结果是不一样的，实际上layer5有一个pad的操作，这个操作当然是对layer4去pad，如果去考虑这个pad，那么：

layer4的○2对应了layer5的□1，而layer4的○2对应了layer1的△4，进一步的实际上是原先输入像素的10，即offset是10

这样就和simplenn_display出来的结果一样了，有了这个思路，就很好去理解：

info.receptiveFieldOffset(1:2,l) = 1 + ...
sum(cumprod([[1;1], info.stride(1:2,1:l-1)],2) .* ...
((info.support(1:2,1:l)-1)/2 - info.pad([1 3],1:l)),2) ;