利用enet学习caffe系列----(5)修改网络结构

enet网络结构参考博客：emantic Segmentation–ENet:A Deep Neural Network Architecture for Real-Time Semantic…论文解读
经过上述分析，我们已经把enet的网络结构已经分析清楚，当我们需要修改其中的shape或者channel时，可以参照输入输出数据变化进行修改。

输入输出数据变化

数据输入层

输入数据	输出数据
(C_in, W_in, H_in)	(C_in, new_width, new_height)

label数据变化

label_divide_factor	类型	输入label	reshape后label
8	encoder	(512, 1024)	(64, 128)
1	decoder	(512, 1024)	(512, 1024)

initial_block

附加参数	输入数据	输出数据
num_output=13	(C_in, W_in, H_in)	(13+C_in, W_in/2, H_in/2)

bottleneck

bottleneck	附带参数	输入数据	输出数据	作用
downsampling	num_output	(C_in, W_in, H_in)	(C_in, W_in/2, H_in/2)	降维，形状变化
regular	num_output = C_in	(C_in, W_in, H_in)	(C_in, W_in, H_in)	归一化
dilated	num_output = C_in param_add=2,4,8,16	(C_in, W_in, H_in)	(C_in, W_in, H_in)	空洞卷积
asymmetric	num_output = C_in param_add=5	(C_in, W_in, H_in)	(C_in, W_in, H_in)
upsampling	num_out	(C_in, W_in, H_in)	(num_out, 2W_in, 2H_in)	升维，形状变化

fullconv层

模式	输入数据	输出数据
train_encoder	(C_in, W_in, H_in)	(C_in, W_in, H_in)
其他	(C_in, W_in, H_in)	(C_in, 2W_in, 2H_in)

分析网络结构

利用上表对下面结构进行分析，改动