Block:
DBL: conv+BN+LeakyRelu
resn:加深深度
CBM:conv+BN+Mish
CBL:conv+BN+LeakyRelu
CSPX:残差下采样
CSP1_X:残差下采样
focus 切片,通过通道数增加减少maxpool的信息丢失
V1:CONV+MAXPOOL+FC+OUTPUT
V2:CONV+MAXPOOL+AVGPOOL+OUTPUT(Darknet 3*3卷积+全局池化无全连接层)
V3:
(Darknet53)加入残差模块,增加网络深度,无maxpool ,通过resn加深网络深度,
V4:
(CSPDarknet53)结合CSPDarknet53、Mish激活函数、Dropblock
经过5次CSP模块后得到19*19大小的特征图:608->304->152->76->38->19
V5:
focus
CSPNet解决了其他大型卷积神经网络框架Backbone中网络优化的梯度信息重复问题,将梯度的变化从头到尾地集成到特征图中,因此减少了模型的参数量和FLOPS数值,既保证了推理速度和准确率,又减小了模型尺寸