CSP-darknet53作为骨干网络

最新推荐文章于 2024-11-29 12:18:46 发布
最新推荐文章于 2024-11-29 12:18:46 发布
阅读量860 收藏 1
点赞数 2
文章标签： python 开发语言 pytorch 人工智能 深度学习
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/qq_34425255/article/details/142672688
版权

于是先阅读了一下

CSPNet: A new backbone that can enhance learning capability of cnn论文原文

Chien-Yao Wang, Hong-Yuan Mark Liao, Yueh-Hua Wu, Ping-Yang Chen, Jun-Wei Hsieh, and I-Hau Yeh. CSPNet: A new backbone that can enhance learning capability of cnn. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshop (CVPR Workshop), 2020.

在CSPNet的论文原文中发现了DarkNet53骨干网络，于是发现DarkNet53骨干网络是在YOLOv3中使用的

Joseph Redmon and Ali Farhadi. YOLOv3: An incremental improvement. arXiv preprint arXiv:1804.02767, 2018.

查阅YOLOv4相比YOLOv3的创新点，发现主干网络由DarkNet53改为了CSP-DarkNet53

于是将重点放在YOLOv3和YOLOv4的论文原文阅读上。

CV 经典主干网络 (Backbone) 系列: CSP-Darknet53
走在深度学习前沿的小宋
04-27 7619
CSP-Darknet53无论是其作为CV Backbone，还是说它在别的数据集上取得极好的效果。与此同时，它与别的网络的适配能力极强。
【目标检测】YOLOv4特征提取网络——CSPDarkNet53结构解析及PyTorch实现
m0_47405013的博客
08-03 3119
主要对yolov4的backbone，用pytorch进行实现
【目标检测】YOLOv4特征提取网络——CSPDarkNet结构解析及PyTorch实现
Cai Yichao的博客
09-30 2万+
【YOLOv4 backbone】PyTorch实现CSP-DarkNet网络结构及相关讨论1 YOLOv4目标检测模型1.1 Mish激活函数1.2 CSP结构和DarkNet1.3 CSP-DarkNet【讨论】2 PyTorch实现CSPDarkNet2.1 Mish激活函数和BN_CONV_Mish结构2.2 Basic block2.3 CSP-DarkNet2.4 测试网络结构 1 YOLOv4目标检测模型 自从Redmon说他不在更新YOLO系列之后，我一度以为这么好用的框架就要慢慢淡入历史了
CSP Darknet53
kui9702的博客
04-19 1万+
CSP Darknet53 代码复现:这里的代码参考CSDN@Bubbliiiing 在之前yolo v3的实战篇中，我们了解到yolo v3 使用的backbone是Darknet53，而今天要展现的是yolo v4的backbone CSP Darknet53。 他们有什么不同呢？ 激活函数的改变，之前Darknet53使用的是LeakyReLU，而CSP Darknet53使用的是Mish。 LeakyReLU的图像 LeakyReLU是分段函数，当x>0时， f(x) = x
详解CSPDarknet主干网络
强化学习曾小健
11-29 3762
CSPDarknet（Cross Stage Partial Darknet）是在传统Darknet架构的基础上引入Networks）理念而形成的。CSPNet的核心思想是通过将特征图分成两部分，分别进行处理，从而减少计算复杂性并提高模型性能。CSPDarknet作为YOLOv5和YOLOv11中的主干网络，通过引入CSPNet的设计理念，有效提升了目标检测任务中的性能。它在保持高准确率的同时，通过减少计算量，实现了更快的推理速度。
【darknet】darknet——CSPDarknet53网络结构图（YOLO V4使用）
Jaredzzz的博客
09-13 2万+
【2020.9.13】发布CSPDarknet53结构图 YOLOv4模型由CSPDarknet53作为骨干网络BackBone，下图为自己画的CSPDarknet53的网络结构图： 注意：YOLO V4使用时删去了最后的池化层、全连接层以及Softmax层
CSPDarkNet53学习
热门推荐
qq_48984174的博客
12-25 3万+
文章目录CSP结构Applying CSPNet to ResNe(X)tApplying CSPNet to DenseNetDarkNet53介绍CSPDarknet53架构参考 CSP结构 Applying CSPNet to ResNe(X)t 原文如此介绍：设计出Partial transition layers的目的是最大化梯度联合的差异。其使用梯度流截断的手段避免不同的层学习到重复的梯度信息。得出的结论是，如果能够有效的减少重复的梯度学习，那么网络的学习能力能够大大提升. Applying
darknet53.cfg
04-29
YOLOv3的主干网络前面部分使用了darknet53结构，对于学习目标检测，学习YOLOv3,darknet53结构是一定会去学习的。该配置文件说明了不同类型的层的配置参数包括batch_size, width,height,channel,momentum,decay，learning_rate等。
CSPDarknet53代码
qq_45603919的博客
05-25 1667
文章目录CSPDarknet53代码CSPDarknet53网络小知识点：args和kwargs CSPDarknet53代码 CSPDarknet53网络 import math #列表保持哈希性质（无序），进行有序排列 from collections import OrderedDict import torch import torch.nn as nn import torch.nn.functional as F from torch.nn.modules.conv import Conv
【YOLOV4】(7) 特征提取网络代码复现（CSPDarknet53+SPP+PANet+Head），附Tensorflow完整代码
博观而约取，厚积而薄发
03-29 8669
各位同学好，今天和大家分享一下如何使用 TensorFlow 构建YOLOV4目标检测算法的特征提取网络。 完整代码在我的Gitee中，有需要的自取：https://gitee.com/dgvv4/yolo-target-detection/tree/master 1. CSPDarkNet53 CSPDarkNet53 骨干特征提取网络在 YOLOV3 的 DarkNet53网络 的基础上引入了 CSP结构。该结构增强了卷积神经网络的学习能力；移除了计算瓶颈；降低了显存的使用；加快了网络的推理速度。
darknet53.conv.74
04-04
yolov3中darknet网络的预训练模型，用于初始化网络权重，官网下载速度可能较慢，故在此贴出。对于资源或使用中有相关问题可在留言区留言。
YOLO-v5学习总结
2301_77578470的博客
10-12 584
在实际应用中，我们可以根据具体的任务需求，灵活地调整和优化 YOLOv5 的参数和结构，以获得更好的检测性能。- 颈部网络通过特征金字塔网络（FPN）和路径聚合网络（PAN）等机制，融合不同层次的特征，增强对不同尺度目标的检测能力。- 在训练过程中，使用不同尺度的图像进行训练，可以提高模型对不同尺度目标的检测能力。- 采用多种数据增强技术，如随机裁剪、旋转、翻转、颜色变换等，可以增加数据的多样性，提高模型的泛化能力。- 通过模型剪枝、量化等技术，可以减少模型的参数量和计算量，提高模型的运行速度和部署效率。
YOLOX backbone——CSPDarknet的实现
牧羊女
06-22 1万+
YOLOX的主干网络分析
跨阶段局部Darknet53
01-05
Darknet53 是一种用于目标检测的强大骨干网络，在 YOLOv3 中得到了广泛应用。该网络通过残差连接设计，使得深层神经网络能够更有效地传递梯度并减少退化问题[^1]。 跨阶段局部 (Cross Stage Partial, CSP) 结构旨在...
主干特征提取网络：DarkNet53 => CSPDarkNet53
最新发布
03-26
为了优化 DarkNet53，在 YOLOv4 中引入了 Cross Stage Partial (CSP) 结构形成新的骨干网——CSPDarkNet53。这种新架构旨在降低计算成本的同时提高效率并保持甚至超越原版的表现水平[^2]: - **核心理念**: 利用跨...
CSPDarknet53-pytorch实现
安卓 高通 bsp ，同行欢迎交流
11-16 1807
import torch import torch.nn as nn from torch.nn import functional as F from torch import Tensor import math from torchsummary import summary BN_MOMENTUM = 0.1 # Resnet中对Conv2d进行封装，定义3*3的卷积核模板，我觉得没必要，反而会使得代码更混乱，不过熟悉了这种方法应该会觉得也不错 def conv3x3(in_planes,
对于YOLOv4的CSPDarknet53的网络结构详细结构图
Brillian123的博客
12-31 1万+
最近在学习YOLOv4，针对其主干网络CSPDarknet53的结构图，本人在网上查阅资料后发现结构图并不详细。尤其是对于里面的残差块ResBlock和Resblock_body，它们内部的操作是怎样的？他们的关系是什么样的？在查看了YOLOv4的代码后，结合原来的结构图做了详解。 需要注意的是：原结构图中共有5个Resblock_body，第一个Resblock_body与后面的4个Resblock_body结构存在差异。具体差异见图所示。 YOLOv4主干网络参考可见： CSPDarkNet53学
机器视觉笔记6——Darknet53代码解析
GavinChan
03-21 905
Darknet53源代码解析
机器视觉笔记4——DarkNet53模型详细解析
GavinChan
02-25 7064
DarkNet53深度卷积神经网络由卷积层、池化层和残差块组成，设计灵感来源于ResNet和初代DarkNet网络，包括53个卷积层和5个池化层组成。
评论
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