Thundernet

• 我是基于之前light-head-rcnn的框架复现的，CEM收益不稳定，但是SAM模块明显增强了召回，相比原版light-head框定位精度略降低，但是在复杂场景依然稳定，总体超出预期。
• shufflenet with feature aug + light-head-rcnn （参数删减版）
• 特征增强：

1. CEM：多层融合，gvp的操作看出旷视多次用行动强调了感受野对于检测任务的重要性。
2. SAM：引入self attention增强特征，类似操作见于GA-RPN。

 

 

有权重：13.4m

https://github.com/ouyanghuiyu/Thundernet_Pytorch

无权重：

https://github.com/dedoogong/ThunderNet-pytorch

 

1070测试，416*416 纯网络20ms，权重5M

大的16M，时间没变。

import time

from modules import *
from torch import nn

# from model.faster_rcnn.faster_rcnn import _fasterRCNN
from model.faster_rcnn.modules import *


cla