深度神经网络经典模型结构（1）CSPDarknet

学习完别人的自己写一遍加深印象

内容来源：【深度学习实战（31）】模型结构之CSPDarknet-CSDN博客

为什么要学这个结构：因为这是yolo的经典结构，学yolo结构看到这个名词不理解所以学习一下

一、整体结构：

下面分别介绍stem和dark2-5的结构

二、stem结构

代码： 

#-----------------------------------------------#
#   输入图片是640, 640, 3
#   初始的基本通道是64
#-----------------------------------------------#
base_channels   = int(wid_mul * 64)  # 64
base_depth      = max(round(dep_mul * 3), 1)  # 3

#-----------------------------------------------#
#   利用卷积结构进行特征提取
#   640, 640, 3 -> 320, 320, 64
#-----------------------------------------------#
self.stem       = Conv(3, base_channels, 6, 2)

目的：增加通道数，原本input的图像是640*640*3，现在与一个6*6*64 的卷积核卷积（图里虽然是3*3，但代码里实际参数是（6，2），说明是6*6的卷积核，进行了一次步长为2的下采样，将特征图尺寸减半），并且进行了一次下采样，output变成320*320*64

三、dark2-4的结构

输入的图像，经过一次卷积，再经过一次CSP，你问什么是CSP，别急，后面有解释，这里的卷积也同样是进行了下采样和通道数翻倍。

代码： 

#-----------------------------------------------#
#   完成卷积之后，160, 160, 128 -> 80, 80, 256
#   完成CSPlayer之后，80, 80, 256 -> 80, 80, 256
#-----------------------------------------------#
self.dark3 = nn.Sequential(
    Conv(base_channels * 2, base_channels * 4, 3, 2, act=act),
    CSPLayer(base_channels * 4, base_channels * 4, n=base_depth * 3, depthwise=depthwise, act=act),
)

3.1 外层大残差结构CSPLayer（简称CSP）：

        

bottleneck后面介绍，split原文理论上其实是把input的通道二等分，比如原来是64*64*32，分成两个64*64*16，分别处理，但实际上，大家的代码是直接把原图分别进行处理，并没有分割 。如下图所示：

 实际的结构在输入后没有按照通道划分成两个部分，而是直接用两路的1x1卷积将输入特征进行变换。 可以理解的是，将全部的输入特征利用两路1x1进行transition，比直接划分通道能够进一步提高特征的重用性，并且在输入到resiudal block之前也确实通道减半，减少了计算量。

3.2 里面小残差结构Bottleneck

其中Conv2D可以根据需要设置为普通卷积BaseConv或者是深度可分离卷积DWConv，激活函数可以选择relu或者leaky_relu。

那，什么是深度可分离卷积？ 逐点卷积就是W/H维度不变，改变channel。逐深度卷积就是深度(channel)维度不变，改变H/W。深度可分离卷积（Depthwise separable convolution, DSC）由逐深度卷积和逐点卷积组成。深度卷积用于提取空间特征，逐点卷积用于提取通道特征

四、dark5的结构

spp结构比较清晰，三个不同的池化结果和原图融合，csp上面解释过了，所以过。