机器视觉--- CSPNet对backbone的改进方式

这篇文章主要提出了几个改进网络结构的方式，降低计算量并保持精度。

Cross Stage Partial DenseNet

跨阶段其实就是把特征图，按照channel分成两半，然后一半经过dense模块，另外一半和dense模块的输出concat一下，以此来减少计算量。其他的细节我觉得都是实验出来的，实验结果好然后解释一番。

transition模块

这个模块在densenet里面定义，其实很简单，包括：

• transition layer模块:BN+Relu+Conv(11)(filternum:θm，其中0<θ<1，文章取θ=0.5)+dropout+Pooling(22)
• 这里conv1x1可以用来减少channel数。

用作目标检测的时候加入了一个EFM模块

EFM：Exact Fusion Model，特征融合的模块。就是子啊fpn的时候融合一下上下层的特征。

这个结构也是有些精度提高的。