深入浅出之CBR模块、CBL模块、CBM和CBS模块（YOLO）

已于 2025-04-16 11:46:34 修改
阅读量8.9k 收藏 91
点赞数 42
分类专栏： # 目标检测（理论） 深度学习目标检测(YOLO)专栏 文章标签： 目标检测 pytorch 人工智能
于 2024-09-18 18:58:04 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/a8039974/article/details/142340798
版权

在YOLOv4中，CBM和CBL是构成其网络结构的基本组件，它们各自承担着不同的角色和功能。

一、CBR模块

YOLO系列模型中的CBR模块，虽然在YOLOv6的官方文档或常见实现中不直接以“CBR”这一名称出现，但我们可以理解为它代表了一种常见的卷积模块结构，即卷积层（Convolutional Layer，Conv）-> 批归一化层（Batch Normalization Layer，BN）-> 激活函数层（ReLU或其他激活函数）。这种模块结构在YOLO系列的多个版本中都有所应用，并在特征提取和模型训练过程中发挥着重要作用。

CBR模块组成

  • 卷积层（Conv）：负责从输入

了解本专栏 订阅专栏 解锁全文
深入浅出之核心模块简介（YOLO）
浩瀚之水的专栏
04-05 107
(batch_size, c2, height, width) (与输入相同的空间尺寸，通道数变为 c2)使用 k x k 的卷积核（默认 3x3）进行特征提取，步长 s 控制卷积移动的步长。使用 SiLU（或 Leaky ReLU）进行非线性映射。：空间尺寸根据步长、填充等因素可能保持不变。：归一化卷积后的特征图，使其数值稳定。：k x k（通常为 3x3）
目标检测YOLO实战应用案例100讲-面向非结构化任务场景的机器人目标识 别及定位抓取(中)
qq_36130719的博客
01-28 291
本文使用的机器人平台上肢所集成的机械臂为KINOVA公司研发的协作机械臂— —JACO2机械臂，机械臂外形及各连杆长度如图2.3所示；该机械臂具有6个自由度，每 个单关节可进行独立控制，各关节内部都有无刷直流电机和减速器，可在6个自由度上灵活转动；机械臂连杆材料选用碳纤维，关节驱动部分为铝制，故该机械臂重量较轻；机械臂伸展距离可达98.4cm，单臂最大负载2.6kg，机械臂主要参数如表2.1所示；
CBR模块、CBL模块、CBM和CBS模块（yolo）
最新发布
m0_49699378的博客
02-28 444
Mish激活函数的公式为f(x)=x⋅tanh(log(1+ex))，它相比其他激活函数（如ReLU、Leaky ReLU等）在保持梯度稳定性的同时，能够更好地捕捉输入数据的微小变化。：引入非线性因素，使得网络能够学习到复杂的模式。Leaky_relu激活函数允许小梯度值的通过，避免了ReLU激活函数在输入小于0时梯度为0的问题，从而提高了网络的训练效果。：SiLU激活函数的公式为silu(x)=x⋅sigmoid(x)，它是swish激活函数的一个变体，具有平滑、非单调的特性，有助于缓解梯度消失问题。
CBS
weixin_43332432的博客
01-05 445
torch.arange() https://yongqiang.blog.csdn.net/article/details/106745713 a.repeat(repeats) repeats： int或int数组 每个元素的重复次数。 https://www.cnblogs.com/nxf-rabbit75/p/10055932.html a.view() https://blog.csdn.net/york1996/article/details/81949843 .t() 转置 if x_g
YOLO v8目标检测（一）—网络模型与构建
xiaoxu的博客
07-27 5512
在backbone主干网络中主要包括了YOLOv8 继续采用 CSP （Cross Stage Partial networks）的设计理念，可以提高梯度流动并减少参数数量。YOLOv5中的C3模块在YOLOv8中被C2f模块所替代，这个变化是为了进一步的轻量化。C2f 模块融合了ELAN的设计思想head部分主要包括了（PAN+FPN）YOLOv8 保留了PAN 的思想，这是一种特征融合策略，用于结合不同层次的特征以改善性能。检测头的部分：使用了解耦头的思想。
yolov5，yolov8梳理
一名学术垃圾的博客
11-10 3472
yolov5，yolov8梳理
Yolo v7网络实现细节（一）
xiaoxu的博客
07-06 1668
YOLO v7网络架构的整体介绍同时，我们还针对不同的业务需求，使用基础模型进行模型缩放，得到不同类型的模型。对于YOLOv7，我们对颈部进行stack scaling，并使用提出的复合缩放方法对整个模型的深度和宽度进行缩放，并以此获得YOLOv7-X。
论文解读：CLNN-loop：预测不同细胞系和CTCF结合位点 (CBS) 对类型中CTCF介导的染色质环的深度学习模型
qq_41909775的博客
10-05 1809
打算组会讲解，做法比较常规，但是工作量很大，数据集也是做的不多，选择基于序列特征的方式与深度学习模型进行融合，但是数据集较多，此文常规方法已经是用尽了，要想提高可以试试bert之类的，或者aggmap
CBS:一种具有混合时空和统计特征的加密流量分类的深度学习方法
weixin_46711536的博客
03-12 2344
随着互联网和在线应用的快速发展，流量分类已成为计算机网络中越来越重要的话题。管理网络资源、提高服务质量和增强网络安全至关重要。由于流量加密技术，传统的流量分类方法变得无效且不准确。因此，科学界认为深度学习是一种对加密流量进行分类的高性能方法。该文提出了一种基于深度学习技术的加密流量分类方法CBS。CBS 可以使用 1D-CNN、基于注意力的 Bi-LSTM 和 SAE 深度网络模型在两个级别对加密流量进行分类。所提出的模型根据一组全面的会话和数据包级特征对流量类型和应用进行分类。
YOLOv5S网络框架设计-CSC&C3&SPPF模块
weixin_57379543的博客
08-03 6410
CBS: C代表Conv，B代表，S代表SiLu激活函数CBS模块封装了卷积、批归一化和激活函数的组合操作self.conv: 用nn.Conv2d创建了一个二维卷积层self.bn：使用创建了一个二维批归一化层self.act：根据act参数确定是否应用激活函数，默认为nn.SiLU()，如果act既不是True也不是nn.Module类型，则应用恒等函数。运算顺序由前向传播方法中，先对输入x进行卷积操作，然后应用批归一化和激活函数，并返回结果。在融合正向传播方法。
MODEM CBS
4AM_明朝百晓生
03-18 1068
前言： 激活去激活CBS 监测；WMS search list 监测；管理CBS 监测；传输收到的CBS消息到wms 模块解码. CB 根据Message Identifier 进行划分，使用独立的channels（65000), 9.4.1.2.2 Message Identifier channels 0-999可以由用户开启 channels from 999 to 65,000 可以通过OTA 激活 . 但是，用户可以关闭所有channels ...
毕业设计-基于深度学习的复杂环境道路目标检测系统 YOLO python 目标检测 机器学习 卷积神经网络 人工智能
Hai_Lang_IT的博客
01-13 1807
毕业设计-基于深度学习的复杂环境道路目标检测系统毕业设计。采用了基于深度学习的目标检测技术，并借助预训练的YOLOv5模型，实现了对复杂环境道路中各种目标的高效自动化检测。通过对道路图像进行预处理和模型推理，该系统能够准确地检测和定位目标，并提供详细的目标边界框、类别和置信度信息。本毕业设计为基于深度学习的复杂环境道路目标检测系统的研究和开发提供了一种创新解决方案。为计算机毕业设计提供了一个创新的方向，结合了深度学习和计算机视觉技术，为毕业生提供了一个有意义的研究课题。
CBR使用教程
02-04
CBR使用教程，基本的操作都有，进去点观看教程HTML文件
pytorch源码解析系列-yolov4最核心技巧代码详解（1）-网络结构
weixin_48174100的博客
09-23 1205
yoloV4 关于YOLOV1-3自行参考百度，本文只用代码展现YOLOV4中核心部分实现方式 1. CBM CBL 以下代码部分参考源码 内容，图片参考了江大白的知乎 conv+batch+mish(Leaky relu) 效果：就是leakly relu的效果，防止梯度为0 结果：backbone用了mish，准确率提高了0.3%-0.9% class Conv_Bn_Activation(nn.Module): def __init__(self, in_channels, out_cha
深度学习训练常见模块介绍及使用
qq_39408032的博客
10-25 747
常见模块 argparse tqdm tqdm tqdm for循环与enumerate x[:,0]和x[:,1] transposelink1 link2 link3 model.train()与model.eval()的用法 np.unique( )的用法 二维数组unique logging.getLogger(logger) python中利用logging包进行日志记录时的logging.level设置选择 存储和恢复模型并查看参数 ...
深度学习初学者必须知道的25个专业名词
JerryWisdom的博客
10-15 6002
当我们刚开始阅读有关深度学习的文章时，总会遇到几个陌生的专业名词。本文为你创建了一个深度学习字典，你可以随时参考最常用术语的基本定义。希望在这篇文章之后，这些术语不再困扰你。 如果你想了解或入门深度学习领域，那么，这篇文章对你很重要。本文将解释在深度学习中常用的25个专业名词。 基础名词篇 1. 神经元 就像神经元构成我们大脑的基本组成部分一样，神经元形成神经网络的基本结构
【点云分割】边界分割对点云分割的监督学习(CBL)
weixin_48845174的博客
04-24 1191
对于大场景点云分割来说，对于邻域局部特征进行学习聚合时，对于类别的边界点云分割效果往往不好，因为学习局部特征时没有一个区别度，常常会将不同类别的点云聚合到一起进行下采样。利用边界分割对点云分割进行一个监督学习，实验证明可以有助于分割结果。网络框架不需要进行多层的注意力学习等。CBL这篇文章就是对边界点云进行了一个监督学习，利用的输入时点云的真实标签，该模块可以以很多点云分割网络(PointTransformer、RandLA等)作为baseline，效果都要优于它们。 首先定义了边界点云的真实标签和预测标签
YOLOv5网络详解之主干结构
weixin_47060902的博客
10-31 411
YOLOv5网络主干结构详解
CBS模块 yolov5
02-21
### YOLOv5 中 CBS 模块的应用及实现 #### 1. CBS 模块概述 CBS（Convolution-BatchNorm-SiLU）模块是YOLO系列模型中常用的基础构建块之一。该模块由卷积层、批归一化层以及SiLU激活函数组成，旨在简化网络设计并提升性能[^1]。 #### 2. 在 YOLOv5 中的作用 在YOLOv5里，CBS模块被广泛应用于各个部分以增强特征提取能力。具体来说： - **骨干网**：用于从输入图片中抽取低级到高级的不同层次特征； - **颈部结构**：连接骨干网与头部组件之间，负责融合多尺度信息； - **预测头**：最终生成边界框坐标及其类别概率分布。 这些地方都依赖于高效的轻量级子模块如CBS来保持良好的速度和准确性平衡[^2]。 #### 3. 实现方式 以下是基于PyTorch框架下定义的一个简单版本的`CBSModule`类，展示了如何创建这样一个功能性的组件： ```python import torch.nn as nn class CBSModule(nn.Module): """A Convolutional Block with Batch Normalization and SiLU activation function.""" def __init__(self, in_channels, out_channels, kernel_size=1, stride=1, padding=None, groups=1): super(CBSModule, self).__init__() # Calculate padding automatically based on the given parameters. if not padding: padding = (kernel_size - 1) // 2 self.conv = nn.Conv2d(in_channels=in_channels, out_channels=out_channels, kernel_size=kernel_size, stride=stride, padding=padding, groups=groups, bias=False) self.bn = nn.BatchNorm2d(out_channels) self.act = nn.SiLU(inplace=True) def forward(self, x): return self.act(self.bn(self.conv(x))) ``` 上述代码片段实现了最基本的CBS模块逻辑，其中包含了卷积操作(`nn.Conv2d`)、批量标准化处理(`nn.BatchNorm2d`)以及使用Silu作为非线性变换(`nn.SiLU`)。这种组合能够有效地促进梯度传播的同时也增加了模型的表现力。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

浩瀚之水_csdn

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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