foreveriver的博客

原创 resnest个人理解

好多大佬都讲的挺好的https://www.cnblogs.com/xiximayou/p/12728644.html个人理解，resnest 依托于sknet、senet、resnext组合出了一个新的结构，这个新型结构包含了这三个网络结构的特性

原创 使用PyQT做了一些页面，感觉挺好的，但是有些地方还是不如html+js

原创 SIREN激活函数 貌似对CNN的效果并没有太好

可能仅仅适应于全连接，将全连接种的torch.sin换成mish或者swish的时候，反而不如relu链接是:https://github.com/WANG-KX/SIREN-2D(不是) Mish(前两个分别是relu和 relu+PE) Swish(前两个分别是r

原创 EfficientDet 源码解析

都写在163笔记里面，不一个一个粘贴了文档：EfficientDet 源码解析.note链接：http://note.youdao.com/noteshare?id=e0254fefdd3dddd096904c8776227a1e

原创 Centernet的部分源码解析，csdn插入图片太麻烦了，就不重新写了

文档：Centernet源码解析.note链接：http://note.youdao.com/noteshare?id=4b782684c2d255840bc0f9d03adac632&sub=473FE4D1445F4DA1A61D824791B56116有问题的话，请联系，

原创 DenseNet 密集型网络

Densenet 可以用下面的这个图来表示，核心主要是Dense Block没什么说的，以densenet121为例，上代码(pytorch)：DenseNet(Bottleneck, [6,12,24,16], growth_rate=32)基础卷积组成是Bottleneck，由两个卷积组成，如下：class Bottleneck(nn.Module):def init(self,in_planes,growth_rate):super(Bottleneck, self).init()se

原创 SENet

核心是Se Module，也就是sequeeze 和excited 两部分、sequeeze 做全局平均值池化，一个大小是MNC的特征图，做完全局平均值池化之后，大小变为了11C，然后通过全卷积做 将C压缩至c/reduction（压缩因子），然后进行激活，最后再通过全卷积将通道由C/reduction 扩张至C，然后再执行sigmoid，最后再将计算出来的11C 乘以 MNC，计算出每一层的权重，注意这个过程是可训练的但是经过yolov4中的试验证明，senet在进行目标检测的时候，在GPU上运行

原创 mish和swish 函数曲线和导函数曲线看着区别并不大.....yolov4前半部分用的是mish后半部分用的是leaky relu

原创 组成卷积网络(遮挡模型) 论文翻译

链接：http://note.youdao.com/noteshare?id=752c57069fd2494290c58ca6983a3402&sub=9010EA5C68164FAE98BF181F20129D85

原创 YoloV4网络结构图，画的有些粗糙，有问题请及时联系