caffe层解读系列——slice和concat在MultiTask中的应用

近年来MultiTask网络愈发受到关注与讨论，在实际应用中我们可以观察到这一技术的广泛应用性。例如，在进行人脸识别时，同一个网络不仅能够实现对人脸识别与非人脸识别的分类任务（即二分类），还能够结合边界框回归以及关键点定位技术来进行相应的处理。

基于MTCNN框架的人脸检测实例中可以看出,该网络由三个子任务构成.在训练过程中,一批图片中的一部分被分配用于二分类任务,另一部分则用于boundingbox回归,剩下的部分负责关键点回归.这种复杂的方式组合样本能够高效实现各项目标.

———————— Concat —————————

concat层实现输入数据的拼接。
该层有两个相同作用的参数：

    message ConcatParameter {
      //指定拼接的维度，默认为1即以channel通道进行拼接;支持负索引，即-1表示最后一个维度
      optional int32 axis = 2 [default = 1];
    
      // 以后会被弃用，作用同axis一样，但不能指定为负数
      optional uint32 concat_dim = 1 [default = 1];
    }

在caffe框架中处理的数据一般具有四个维度，在数学上可表示为$num\times channel