深度学习应用记录

物体检测网络：yolov3、yolov4、yolov5、faster-rcnn.

分类网络：imagenet；resnet; mobilenet；shufflenet.

文本识别网络：paddleocr; chineseocr.

android部署：mnn；ncnn.

linux部署：libtorch; tensorrt.

yolov3网络结构

yolov4网络结构

yolov5网络结构 （此处github开源spp在c3后面）

faster-rcnn网络结构:图像经过13*13conv+relu+4pool，输出w/16*h/16大小featuremap,在经过1*1卷积输出w/16*h/16*9*2的featuremap，每个点9个anchor，每个anchor可能是正负样本，就是18个，经过reshape方便softmax，softmax得到所有正样本；下面1*1conv训练正样本的box调整参数，输出大小w/16*h/16*9*4，每个anchor4个参数；之后经过roipooling/roialign得到同意大小的featuremap经过2层全连接+relu送入softmax分类。box再经过一次调整。