caffe卷积层代码阅读笔记

卷积的实现思想:

  • 通过im2col将image转为一个matrix,将卷积操作转为矩阵乘法运算
  • 通过调用GEMM完成运算操作
  • 下面两个图是我在知乎中发现的,“盗”用一下,确实很好,能帮助理解。
    这里写图片描述
    这里写图片描述

参数剖析

  • 配置参数:(从配置文件得来)
    kernel_h_ pad_h_ hole_h_ stride_h_
    kernel_w_ pad_w_ hole_w_ stride_w_
    is_1x1_:上面8个参数都为1时,该参数为true

  • 和输入有关的参数:(从bottom得来)
    num_
    channels_
    height_
    width_

  • 和卷积核有关的参数:(前两个参数从配置文件得来)
    num_output_
    group_
    this->blobs_[0].reset(new Blob(num_output_, channels_ / group_, kernel_h_, kernel_w_));
    this->blobs_[1].reset(new Blob(1, 1, 1, num_output_));
    this->param_propagate_down_

  • 和输出有关的参数:(计算得来)

  • 2
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenPose的卷积层主要有以下几个方面的改进和特点: 1. 特征backbone部分使用带空洞卷积的MobileNet结构代替原来的VGG结构。这种结构可以减少网络参数量,提高计算效率,同时保持较好的特征提取能力。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [openpose学习](https://blog.csdn.net/weixin_45074568/article/details/118146549)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [全卷积网络(FCN)实战:使用FCN实现语义分割.zip](https://download.csdn.net/download/hhhhhhhhhhwwwwwwwwww/83778007)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [caffe-openpose结构](https://blog.csdn.net/xidaoliang/article/details/90174657)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值