PlotNerualNet
仓库地址
绘制卷积图像(Latex)
绘制ssd模型
SSD输入图像大小(h,w,c)如上图变化
VGG 部分的网络结构 卷积核大小为3x3 步长为1 padding为1 pool层为2x2步长为2
300, 300, 3
-> 300, 300, 64 -> 300, 300, 64 -> 150, 150, 64 CCM CONV1
-> 150, 150, 128 -> 150, 150, 128 -> 75, 75, 128 CCM CONV2
->75, 75, 256 -> 75, 75, 256 -> 75, 75, 256 -> 38, 38, 256 CCCM CONV3(ceilmode=True) 因为75除以2不是整数,所以ceilmode=True
-> 38, 38, 512 -> 38, 38, 512 -> 38, 38, 512(Conv4_3) -> 19, 19, 512 CCCM CONV4
->19, 19, 512 -> 19, 19, 512 -> 19, 19, 512 -> 19, 19, 512 CCCM CONV5 这里的pool5是3x3步长为1且padding为1
-> 19, 19, 1024 (fc6转换为conv6)
-> 19, 19, 1024 (fc7转换为conv7)
添加了额外的层(前一个卷积核kernal_size=1 步长为1后一个卷积核步长为2 kernel_size=3 padding=1)
-> 19,19,256 -> 10,10,512 Conv8 CC
-> 10,10,128 -> 5,5,256 Conv9 CC
后面的卷积padding = 0 步长为1
-> 5,5,128 -> 3,3,256 Conv10 CC
-> 3,3,128 -> 1,1,256 Conv11 CC