如何重新缩放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

他们使用skip connection概念连接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，问题对我来说是如何确定池化特征的重新缩放值，可以使用哪个 caffe 层来实现这个？

Answer 1

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