pytorch实现Sep conv卷积操作

最新推荐文章于 2024-09-11 07:55:46 发布
最新推荐文章于 2024-09-11 07:55:46 发布
阅读量3.7k 收藏 16
点赞数 4
分类专栏： 计算机视觉
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/haohulala/article/details/109129373
版权

Sep Conv

这个卷积名字起得花里胡哨的，其实总结起来就是输入通道每个通道一个卷积得到和输入通道数相同的特征图，然后再使用若干个1*1的卷积聚合每个特征图的值得到输出特征图。

假设我们输入通道是16，输出特征图是32，并且使用3*3的卷积提取特征，那么第一步一共需要16*3*3个参数，第二步需要32*16*1*1个参数，一共需要16*3*3+32*16*1*1=656个参数。

使用传统的方法进行卷积一共需要32*16*3*3=4608个参数。
可见Sep Conv在计算量上有明显的优势，下面就是pytorch实现的Sep Conv卷积

import torch
import torch.nn as nn


class SepConv(nn.Module):
最低0.47元/天 解锁文章
haohulala
关注
专栏目录
sepconv-slomo：使用PyTorch通过自适应可分离卷积实现视频帧插值
02-05
sepconv-slomo 这是使用PyTorch通过自适应可分离卷积[1]进行视频帧插值的参考实现。 给定两个帧，它将以可分离的方式利用[2]对中间帧进行插值。 如果您要利用我们的工作，请引用我们的论文[1]。 有关我们工作的重新实现，请参阅： : 对于另一种改编，请考虑： : 对于softmax splatting，请参阅： : 建立 可分离卷积层是使用CuPy在CUDA中实现的，这就是为什么CuPy是必需的依赖项的原因。 可以使用pip install cupy安装它，也可以使用CuPy存储库中概述的提供的二进制程序包之一进行pip install cupy 。 如果您
sepconv（Separable Convolution）代码复现
RuixuanZhang的博客
10-23 669
import torch.nn as nn class SP_conv(nn.Module): def __init__(self, in_channels, out_channels, kernel=3, stride=1, dilation=1, bias=False): super(SP_conv, self).__init__() self.conv = nn.Conv2d( in_channels, in_channels, ke
开源项目 `sepconv` 使用教程
最新发布
gitblog_01062的博客
09-11 756
开源项目 sepconv 使用教程 sepconv An implementation of Adaptive Separable Convolution for Video Frame Interpolation 项目地址: h...
SepConv-Video Frame Interpolation via Adaptive Separable Convolution
qq_41818458的博客
03-30 1064
SepConv视频插帧-通过自适应可分离卷积进行视频插帧一.简介二.网络结构三.损失函数四.实验细节补充五.结果对比以及不足 一.简介 标准的视频插帧方法首先估计两帧之间的光流，然后在运动的指导下生成中间帧，就是不是端到端的方法，而作者提出的方法是end-to-end的。而且光流的方法对遮挡，模糊，亮度突变情况处理的并不好。所以最近的方法（其实就是本篇论文作者自己提出的方法AdaConv-之后会在下一篇文章介绍）用空间自适应卷积核估计中间帧，但是这种方法需要比较大的核，因为要处理幅度比较大的运动，而且要为每
极致分离卷积块 XSepConv 学习笔记 （附代码）
PLANTTHESON的博客
11-02 406
极致分离卷积块 XSepConv 学习笔记 （附代码）
卧槽！GitHub排行榜即将下线；酷炫的Python热重载工具；开发者体验·电子书；C++最佳实践合辑；前沿论文 | ShowMeAI资讯日报
热门推荐
ShowMeAI研究中心
09-03 1万+
ShowMeAI资讯日报 09-03 期，hmr-benchmarks 三维人体参数模型、Lhotse 下一代Kaldi语音处理库、Reloadium 为Python增加热重载功能、Zed 更简单的数据操作方式、TorToiSe 文本转语音程序、『开发者体验：探索与重塑』电子书、Flamingo 用单个视觉语言模型搞定多个任务、多相机3D目标检测和俯视图分割文献列表、C++ 最佳实践合辑、前沿论文…点击获取全部资讯
pytorch-deform-conv：变形卷积的PyTorch实现
02-05
可变形卷积的PyTorch实现 魏欧阳@巴斯德研究所 感谢Felix Lau的Keras / TensorFlow实现： （ ） 待办事项清单 在pytorch中实现偏移量映射 所有测试通过 变形卷积模块 微调可变形卷积模块 大规模mnist演示 使用...
Pytorch 实现sobel算子的卷积操作详解
09-18
在PyTorch中，卷积操作可以通过`torch.nn.Conv2d()`或`torch.nn.functional.conv2d()`来实现。本文将深入讲解如何使用PyTorch实现Sobel算子的卷积操作，以进行边缘检测。 Sobel算子是一种一阶微分算子，常用于图像...
Pytorch实现各种2d卷积示例
09-18
本文将通过PyTorch框架展示如何实现多种类型的2D卷积操作，包括普通卷积、深度可分离卷积以及空洞卷积等。通过这些示例，我们将深入理解卷积层的工作原理以及如何在实际应用中灵活运用。 首先，普通卷积是所有卷积...
Pytorch实现DCGAN深度卷积生成对抗网络 CelebA数据集可训练
06-05
# Pytorch实现DCGAN深度卷积生成对抗网络 CelebA数据集可训练 1. 使用DCGAN的基本结构，判别器采用卷积层，生成器采用转置卷积层。为了提升判别器的性能，判别器修改为了多尺度PatchGAN。 2. 包含训练程序和推理程序...
spconv:PyTorch中的空间稀疏卷积
05-01
SpConv：PyTorch空间稀疏卷积库 这是一个空间稀疏的卷积库，例如但速度更快且易于阅读。 该库提供稀疏卷积/转置，子流形卷积，逆卷积和稀疏maxpool。 2020-5-2，我们在此版本的spconv中添加了ConcatTable，JoinTable，AddTable和Identity函数，以构建ResNet和Unet。 码头工人： docker pull scrin/dev-spconv ，包含python 3.8，cuda 10.1，鱼壳，最新的pytorch和tensorflow。 在Ubuntu 16.04 / 18.04上安装 如果您使用的是pytorch 1.4+，并且遇到“ nvcc致命：未知-Wall”，则需要转到割炬软件包目录并在Caffe2Targets.cmake的INTERFACE_COMPILE_OPTIONS中删除包含“ -Wall”的标志。 此项
深度学习——卷积神经网络 (Convolutional Neural Networks / CNN)
loveliuzz的博客
01-15 1万+
一、卷积神经网络的概述 1、卷积神经网络与普通神经网络非常相似，它们都由具有可学习的权重w和偏置常量(biases)的神经元组成。每个神经元都接收一些输入，并做一些点积计算，输出是每个分类的分数，普通神经网络里的一些计算技巧到这里依旧适用。普通神经网络把输入层和隐含层进行“全连接(Full Connected)“的设计。从计算的角度来讲，相对较小的图像从整幅图像中计算特征
知识蒸馏之自蒸馏【附代码】
z240626191s的博客
04-23 4420
本篇文章为在线蒸馏，将以Resnet为例进行代码详解，主要涉及到逻辑蒸馏和特征蒸馏。内容比较多，系好安全带，发车~ 在学习本篇文章时需要各位对Resnet代码有很深的了解，这样才好学习本篇文章
python基于融合SPD-Conv改进yolov5与原生yolov5模型实践路面裂痕裂缝检测
Together_CZ的博客
02-04 4665
python基于融合SPD-Conv改进yolov5与原生yolov5模型实践路面裂痕裂缝检测
改进YOLOv8 | 用新CNN模块SPD-Conv处理低分辨率图像和小物体
带你成为别人眼中的大佬！
06-04 1975
SPD-Conv的设计灵感来源于自然界中的光圈现象，即朝向同一个方向的光被聚焦在一起形成更强的光束。SPD-Conv 模块在卷积神经网络中的作用是将传入的特征图拆分成多个频段，每个频段使用不同的卷积核进行卷积，并将结果按照其所属的频段进行加权求和。为了解决这个问题，研究人员提出了一种新的 CNN 模块： SPD-Conv，并将其应用于目标检测算法 YOLOv8 中。本文介绍了一种用于处理低分辨率图像和小物体的新 CNN 模块：SPD-Conv，并将其应用于目标检测算法 YOLOv8 中。
6.4 DeepLab系列
qq_40066957的博客
05-09 528
6.4 DeepLab系列 学习目标 目标 知道DeepLab系列算法的特点 说明DeeplabV1的结构特点 掌握DeeplabV1的空洞卷积与CRF应用 应用 无 6.4.1 DeepLab 背景 相比于传统的视觉算法(SIFT或HOG)，Deep-CNN以其end-to-end方式获得了很好的效果。这样的成功部分可以归功于Deep-CNN对图像转换的平移不变性(invariance)，这根本是源于重复的池化和下采样
探索深度学习新境界：SPConv.pytorch——轻量高效卷积新方案
gitblog_00037的博客
06-19 924
探索深度学习新境界：SPConv.pytorch——轻量高效卷积新方案 去发现同类优质开源项目:https://gitcode.com/ 在深度学习的浩瀚宇宙中，每一处创新都可能引领一场效率与精度的革命。今天，我们聚焦于一个名为SPConv.pytorch的开源项目，它源自IJCAI 2020的论文《Split to Be Slim: An Overlooked Redundancy in Van...
pytorch代码实现之SAConv卷积
DM_zx的博客
09-11 1664
SAConv卷积
pytorch实现一维卷积
06-11
可以使用PyTorch的nn.Conv1d模块来实现一维卷积。以下是一个简单的示例： ```python import torch import torch.nn as nn # 输入数据，batch_size=1，长度为10，特征维度为3 input_data = torch.randn(1, 3, 10) ...
评论 3
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
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