DispNet中Caffe自定义层解读（三）—— GenerateAugmetationParamters

这一系列博文记录了博主在学习DispNet过程中遇到的自定义Caffe层的笔记。这一部分是GenerateAugmentationParameters层，其主要功能是：

。更新于2018.10.25。

调用方式

在调用时，三个输入依次分别为：DataAugmentation层的输出参数（第二个输出）、DataAugmentation层的输入、DataAugmentation层的输出结果（第一个输出）；输出为可以直接送入DataAugmentation层作为参数（第二个输入）的blob。

layer {
  name: "aug_params1"
  type: "GenerateAugmentationParameters"
  bottom: "input_blob1"
  bottom: "input_blob2"
  bottom: "input_blob3"
  top: "output_blob"
  augmentation_param {
    augment_during_test: false
    gamma {
      rand_type: "gaussian_bernoulli"
      exp: true
      mean: 0
      spread: 0.01
      prob: 1.0
    }
    brightness {
      rand_type: "gaussian_bernoulli"
      exp: false
      mean: 0
      spread: 0.01
      prob: 1.0
    }
    contrast {
      rand_type: "gaussian_bernoulli"
      exp: true
      mean: 0
      spread: 0.01
      prob: 1.0
    }
    color {
      rand_type: "gaussian_bernoulli"
      exp: true
      mean: 0
      spread: 0.01
      prob: 1.0
    }
  }
  coeff_schedule_param {
    half_life: 50000
    initial_coeff: 0.5
    final_coeff: 1
  }
}

generate_augmentation_parameters_layer.hpp

与数据扩张层类似，这个层也不支持反向计算。类似的头文件定义可以参考DataAugmentation层的hpp部分。

generate_augmentation_parameters_layer.cpp

cpp文件中不负责参数计算，主要就是进行了Reshape的工作。

generate_augmentation_parameters_layer.cu

程序默认只在训练过程进行数据扩张的参数计算，如果有特殊要求，可以在测试过程也进行计算。

参数的计算方式和类型与DataAugmentation层类似，不再赘述。