版权声明：原创文章，转载请注明： 转载自 DT-IOT的博客https://blog.csdn.net/weixin_41213648 https://blog.csdn.net/weixin_41213648/article/details/89944909
在Fully Convolutional Networks（FCN）中，会用到Crop 层，他的主要作用是进行裁切。下面我们举一个例子来说明如何使用Crop 层。
Caffe中的数据是以 blobs形式存在的，blob是四维数据，即 （Batch size, number of Chennels, Height, Width）=(N, C, H, W)。---（0,1,2,3）
Crop层的输入（bottom blobs）有两个，让我们假设为A和B，输出（top）为C。
- A是要进行裁切的bottom，他的size是 （20,50,512,512）
- B是裁切的参考输入，他的size是（20,10,256,256）
- C是输出（top blob），由A裁切而来，那么他的size是（20,10，256,256）
在这个例子中，轴0的维度不变，我们只需要裁切blob的轴1,2,3，所以我们设置axis=1，代表我们将会裁切轴1和它之后的所有轴。
有两个裁切模式：
模式1---给出3个offsets，每个针对一个dimension，offset=（25,128,128）
- axis=1，offset=（25,128,128）
- crop operation: C = A[: , 25: 25+B.shape[1] , 128: 128+B.shape[2] , 128: 128+B.shape[3] ]
- 也就是说，对于A的轴1，对称裁切了25-35
- 对称裁切：offset = (Original_length - desired length ) / 2
模式2---给出1个offset，适用于三个dimension，offset=25
- 那么就相当于模式1 的 offset=（25,25,25）
模式1的prototxt写法如下：
layer {
name: "crop_layer"
type: "Crop"
bottom: "A"
bottom: "B"
top: "C"
crop_param {
axis: 1
offset: 25
offset: 128
offset: 128
}
}另外本人还开设了个人公众号：JiandaoStudio ，会在公众号内定期发布行业信息，以及各类免费代码、书籍、大师课程资源。
扫码关注本人微信公众号，有惊喜奥！公众号每天定时发送精致文章！回复关键词可获得海量各类编程开发学习资料！
例如：想获得Python入门至精通学习资料，请回复关键词Python即可。