FCOS的整体网络结构 ResNet + FPN

目录

一、FCOS的整体网络结构

1. ResNet网络部分

(1_)   stem : 7x7,64, stride 2,padding 3

(2_)  layer1   ---(第一层的downsample 步长为1,因为第一层尺寸发生的变化是在 max pool 层,之后尺寸并没有发生变化)

(3_)layer2

(4_)  layer3

(5_)  layer4

2. FPN网络

(1_) P5 输出  <-------------------  C5

(2_)  P4输出  <-------------  C4 + P5(fpn_layer 之前)

(3_) P3输出  <-------------  C3 + P4(fpn_layer 之前)

(4_) P6输出   <-------------  P5

(5_)P7 输出  <-------------  P6


一、FCOS的整体网络结构

如图1所示,整体网络结构分为ResNet骨干网络和FPN网络两部分。

图1 FCOS的网络结构 ResNet+FPN

图2 FCOS 论文中的网络结构 

1. ResNet网络部分

接下来举例计算一下不同层输出特征尺寸是怎么变化的。Conv2d输出的尺寸计算公式如图2所示

图2 Conv2d输出尺寸的计算公式

图 3 ResNet基本模块前向传播

如图 3 所示每个模块的前向传播,每个卷积层后面都跟有归一化层和relu激活函数。

举例:输入img (3,1120,800)

(1_)   stem : 7x7,64, stride 2,padding 3

 stem输出  (64,560,400)

(2_)  layer1   ---(第一层的downsample 步长为1,因为第一层尺寸发生的变化是在 max pool 层,之后尺寸并没有发生变化)

     

 输出 (64,280,200)

 输出  (64,280,200)

 输出  (64,280,200)

 输出   layer_out  =  (256,280,200)  

接下来再重复 2 遍。

--(输入 x 来自 max pool 的输出)

输出   connection =(256, 280, 200)

 layer1_out = (256,280,200)

(3_)layer2

 输出   (128,140,100)

 输出  (128,140,100)

 输出  (512,140,100)

一共重复4次

 输出  (512,140,100)

 layer2_out = (512,140,100)  ------------> C3

(4_)  layer3

 输出  (256,70,50)

 输出 (256,70,50)

 输出  (1024,70,50)

一共重复 6 次

 输出  (1024,70,50)

 layer3_out = (1024,70,50)  ------------> C4

(5_)  layer4

 输出  (512,35,25)

 输出 (512,35,25)

 输出 (2048,35,25)

 一共重复3次

输出  (2048,35,25)

 layer4_out = (2048,35,25)  ------------> C5

2. FPN网络

(1_) P5 输出  <-------------------  C5

 输出  (256,35,25)

 输出 (256,35,25)-----------> P5

(2_)  P4输出  <-------------  C4 + P5(fpn_layer 之前)

 输出  (256,70,50)

 输出  (256,70,50)

然后 加和

 输出 (256,70,50)-----------> P4

(3_) P3输出  <-------------  C3 + P4(fpn_layer 之前)

 输出  (256,140,100)

输出  (256,140,100)

然后加和

 输出 (256,140,100)-----------> P3

(4_) P6输出   <-------------  P5

 输出 (256,18,13)-----------> P6

然后经过 Relu层输入给P7

(5_)P7 输出  <-------------  P6

 输出  (256,9,7) -----------> P7

  • 4
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论

“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 1
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

打赏作者

匿名的魔术师

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
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