YOLOv2
为了在不损失小物体检测性能的情况下提高大物体检测性能,需要在引入精细特征的同时扩大感受野(第6层)。扩张卷积是一个很好的选择,可以有效地扩大感受野。因此,采用了一种基于扩张卷积的精细特征引入策略。将扩张卷积的步长设置为2。因此,输出特征图的大小是层6的大小的一半。然后,输出的特征图被route layer带到层25。
在层23中也采用了扩张卷积。通过反卷积对层23的输出特征图进行上采样。上采样的特征图被route layer带到层25。同时,route layer将层16的输出特征图带到层25。集成了route layer带来的所有特征图。然后是集成的特征图后面时两个层的卷积核大小为3 × 3和1 × 1。除最后一层外的所有卷积层依次进行批处理归一化(BN)层和ReLU层。
注:本文仅用于学术分享,如有侵权,请联系后台作删文处理。
最后:
如果你想要进一步了解更多的相关知识,可以关注下面公众号联系~会不定期发布相关设计内容包括但不限于如下内容:信号处理、通信仿真、算法设计、matlab appdesigner,gui设计、simulink仿真......希望能帮到你!