对EfficientDet中加权融合方法的代码解读

最新推荐文章于 2023-06-28 10:53:31 发布

Tra_cy

最新推荐文章于 2023-06-28 10:53:31 发布

阅读量1k

点赞数 1

分类专栏：论文笔记

本文链接：https://blog.csdn.net/Tra_cy/article/details/105096083

版权

本文主要解析了谷歌大脑EfficientDet中BiFPN的加权融合部分的代码，介绍了tensorflow的相关函数，如Variable、tf.cast()、tf.concat()、乘法运算以及reduce_sum()。代码实现了三种融合方法：attn（使用softmax），fastattn和sum（直接求和）。

摘要由CSDN通过智能技术生成

谷歌大脑的《EfficientDet: Scalable and Efficient Object Detection》代码目前已经公布，代码链接：https://github.com/google/automl/tree/master/efficientdet
接下来将对BiFPN中加权融合部分进行解析。

对应代码入下：

 # Combine all nodes.
      dtype = nodes[0].dtype
      if config.weight_method == 'attn':
        edge_weights = [tf.cast(tf.Variable(1.0, name='WSM'), dtype=dtype)
                        for _ in range(len(fnode['inputs_offsets']))]
        normalized_weights = tf.nn.softmax(tf.stack(edge_weights))
        nodes = tf.stack(nodes, axis=-1)
        new_node = tf.reduce_sum(tf.multiply(nodes, normalized_w