网摘一些概念 全连接层 roi rpn

先贴一篇讲的比较全的

http://www.cnblogs.com/dudumiaomiao/p/6560841.html

http://blog.csdn.net/myarrow/article/details/51878004

一 全连接层

1.整体的结构框图

2.全连接层的推导：

转自如下链接

http://blog.csdn.net/daydayup_668819/article/details/59486223

3。全连接层的具体含义：

全连接层（fully connected layers，FC）在整个卷积神经网络中起到“分类器”的作用。如果说卷积层、池化层和激活函数层等操作是将原始数据映射到隐层特征空间的话，全连接层则起到将学到的“分布式特征表示”映射到样本标记空间的作用。在实际使用中，全连接层可由卷积操作实现：对前层是全连接的全连接层可以转化为卷积核为1x1的卷积；而前层是卷积层的全连接层可以转化为卷积核为hxw的全局卷积，h和w分别为前层卷积结果的高和宽。

卷积层模仿人的视觉通路提取特征，全连接层一般负责分类或者回归，由于全连接层会丢失一些特征位置信息，所以最近FCN火了起来，全部卷积层，不用全连接层。

转自：https://www.zhihu.com/question/41037974/answer/150522307

全连接的核心操作就是矩阵向量乘积

本质就是由一个特征空间线性变换到另一个特征空间。目标空间的任一维——也就是隐层的一个 cell——都认为会受到源空间的每一维的影响。不考虑严谨，可以说，目标向量是源向量的加权和。

在 CNN 中，全连接常出现在最后几层，用于对前面设计的特征做加权和。比如 mnist，前面的卷积和池化相当于做特征工程，后面的全连接相当于做特征加权。（卷积相当于全连接的有意弱化，按照局部视野的启发，把局部之外的弱影响直接抹为零影响；还做了一点强制，不同的局部所使用的参数居然一致。弱化使参数变少，节省计算量，又专攻局部不贪多求全；强制进一步减少参数。少即是多）

在 RNN 中，全连接用来把 embedding 空间拉到隐层空间，把隐层空间转回 label 空间等。

作者：张程序员

链接：https://www.zhihu.com/question/41037974/answer/150546125

来源：知乎

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

卷积层本来就是全连接的一种简化形式:不全连接+参数共享，同时还保留了空间位置信息。这样大大减少了参数并且使得训练变得可控。

全连接就是个矩阵乘法，相当于一个特征空间变换，可以把有用的信息提取整合。再加上激活函数的非线性映射，多层全连接层理论上可以模拟任何非线性变换。但缺点也很明显: 无法保持空间结构。

全连接的一个作用是维度变换，尤其是可以把高维变到低维，同时把有用的信息保留下来。

全连接另一个作用是隐含语义的表达(embedding)，把原始特征映射到各个隐语义节点(hidden node)。对于最后一层全连接而言，就是分类的显示表达。

不同channel同一位置上的全连接等价与1x1的卷积。

N个节点的全连接可近似为N个模板卷积后的均值池化(GAP)。

作者：wangyang

链接：https://www.zhihu.com/question/41037974/answer/150712739

来源：知乎

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

总的来说，全连接层就是将特征提取转为目标框的分类，并且这个起到了维度转化，没有保留之前的结构信息，采纳了所有点的信息，形象的说，还是那个蚂蚁的例子，每个蚂蚁看到了一小片面包，开一个蚂蚁大会，大家投票表决到底是个什么东西。

最后再加一个参考：http://blog.csdn.net/yiliang_/article/details/60468530

二 RoI pooling

1 Fast R-CNN的图

http://blog.csdn.net/NNNNNNNNNNNNY/article/details/68483053

2. RoI的输入输出

ROI pooling 层：

• 输入 shape ：(N, W/16, H/16, channels)，为什么 除了16，因为使用VGG16的话，会经历四次 2*2 的 max poolinig。
• 输出 shape ：(num_rois, expected_H, expected_W, channels) ，论文中提到如果使用 VGG-16 的话，expected_H=expected_W=7
• 既然图片的 大小已经下降了16 倍，那么输入的 roi 也会相应的就行缩小16倍。（在代码中也有体现）
• 这样的话，我们就可以用放缩后的 roi 来取图片的 roi 区域，然后对这些区域进行 roi-pooling

再贴另一篇将RoI输入输出的文章http://blog.csdn.net/lanran2/article/details/60143861

roi的主要目的还是从feature map上抠出感兴趣区域，然后pooling。

为什么要做pooling呢？因为只要pooling出来了最大值，那么不管这个最大值在图片中的哪个位置，都会被检测出来，也就引入了不变性。

注意；pooling的尺度是不一样的，比如可以设置成9*9的，4*4的，最后都卷积为一个值。

pooling的连接: http://www.cnblogs.com/573177885qq/p/6071646.html

三 rpn

转自：http://www.cnblogs.com/EstherLjy/p/6774848.html

RPN的实现方式：在conv5-3的卷积feature map上用一个n*n的滑窗（论文中作者选用了n=3，即3*3的滑窗）生成一个长度为256（对应于ZF网络）或512（对应于VGG网络）维长度的全连接特征。然后在这个256维或512维的特征后产生两个分支的全连接层：1.reg-layer,用于预测proposal的中心锚点对应的proposal的坐标x，y和宽高w，h；2.cls-layer，用于判定该proposal是前景还是背景。sliding window的处理方式保证reg-layer和cls-layer关联了conv5-3的全部特征空间。事实上，作者用全连接层实现方式介绍RPN层实现容易帮助我们理解这一过程，但在实现时作者选用了卷积层实现全连接层的功能。个人理解：全连接层本来就是特殊的卷积层，如果产生256或512维的fc特征，事实上可以用Num_out=256或512, kernel_size=3*3, stride=1的卷积层实现conv5-3到第一个全连接特征的映射。然后再用两个Num_out分别为2*9=18和4*9=36，kernel_size=1*1，stride=1的卷积层实现上一层特征到两个分支cls层和reg层的特征映射。注意：这里2*9中的2指cls层的分类结果包括前后背景两类，4*9的4表示一个Proposal的中心点坐标x，y和宽高w，h四个参数。采用卷积的方式实现全连接处理并不会减少参数的数量，但是使得输入图像的尺寸可以更加灵活。

最后贴一个cs231n学习笔记：http://blog.csdn.net/myarrow/article/details/51878004