Normalization on conv4_3 in SSD

在SSD(Single Shot MultiBox Detector)中,Normalize层针对conv4_3特征图进行L2归一化操作,有助于提升算法的鲁棒性。归一化常用于深度学习模型以增强训练稳定性。区别于简单的L2归一化,Normalize层会将特征值放大20倍。此操作源于ParseNet论文中发现conv4_3层与其他层的尺度差异。
摘要由CSDN通过智能技术生成

还是在SSD中发现的:

layer {
  name: "conv4_3_norm"
  type: "Normalize"
  bottom: "conv4_3"
  top: "conv4_3_norm"
  norm_param {
    across_spatial: false
    scale_filler {
      type: "constant"
      value: 20.0
    }
    channel_shared: false
  }
}

有两个问题:
1. Normalize层做了什么?
2. 为什么只对conv4_3进行normalize 操作?

Normalize Layer

Normalize 操作很简单:给定一个向量 x , 对它进行 Lp normalization操作是指对它的元素值进行放缩: x^=x||x||p

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值