- 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:
- 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。
- 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