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  }}

Caffe 学习：Crop 层