![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 62
哈宝可爱
这个作者很懒,什么都没留下…
展开
-
MobileNetV3代码和网络
MobileNetV3实现参考博客:https://zhuanlan.zhihu.com/p/323346888https://blog.csdn.net/qq_43739296/article/details/122338041来自paddelocr中的MobileNetV3,实现网络的类如下。ConvBNLayerConvBNLayer类实际上就是实现了一个卷积层+bn层,如名所示。当我们写其他模块需要用到各种卷积层如1x1卷积和depth-wise卷积时,就可以通过传入各种相关参数给它实原创 2022-01-06 14:59:07 · 1859 阅读 · 0 评论 -
SE模块 通道注意力机制
SE模块SE,squeeze-and-excite,也就是通道注意力机制,也就是对通道方向上计算emphasis,然后channel-wise乘以原特征,如下所示。原创 2022-01-06 10:52:24 · 2205 阅读 · 0 评论 -
通道可分离卷积 depth-wise separable convolution
通道可分离卷积文章目录通道可分离卷积正常卷积回顾通道可分离卷积通道分离卷积,depthwise separable convolution,也叫深度可分离卷积,是MobileNet系列的主要特点,也是其发挥轻量级作用的主要因素。通道可分离卷积分为逐通道卷积和逐点卷积。逐通道卷积,Depthwise Convolution,卷积核只有一层(c=1),输入特征的一个通道与一个卷积核相乘得到输出特征的一个通道。逐点卷积就是1x1卷积,可以带来通道方向上的信息交流,并且改变输出特征的通道数。一些博客:h原创 2022-01-06 10:40:08 · 5257 阅读 · 0 评论