【动手学PaddlePaddle2.0系列】PP-YOLO详解（1）-- backbone

最新推荐文章于 2024-03-14 14:48:15 发布
最新推荐文章于 2024-03-14 14:48:15 发布
阅读量1.9k 收藏 14
点赞数 2
分类专栏： 动手学PaddlePaddle2.0_长安 文章标签： paddlepaddle 卷积神经网络 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41450123/article/details/111895940
版权
本文是PP-YOLO系列教程的第一部分，主要解析backbone网络ResNet50-vd-dcn。讲解了ResNet_D结构的改进，包括ResNet_B、C、D的区别和性能提升，探讨了为何ResNet_D能避免信息丢失的问题，并预告了下期将介绍DCN的实现。
摘要由CSDN通过智能技术生成

PP-YOLO详解（1）-- backbone

大家好，本次教程将带领大家开启PP-YOLO学习。通过前面一系列学习，相信大家已经掌握了图像分类任务的基本概念以及相关实践，下面将带大家实战目标检测任务中经典的YOLO系列算法：PP-YOLO。

本次将对使用的backbone网络：ResNet50-vd-dcn，进行讲解。

1 ResNet_D

Resnet_vd最早是在Bag of Tricks for Image Classification with Convolutional Neural Networks，这篇文章中提出了很多非常实用的训练技巧，我会在后面专门出一期教程对这些技巧进行详细讲解。

对于ResNet网络来说，最核心的部分即跳跃连接结构，其分为两种BasicBlock、BottleneckBlock，

，

在这里，我们只关心BottleneckBlock这个结构，在论文中，对该结构做了如下改进：

需要注意的是每个结构中输入和输出的连接方式，在resnet_c中，改进的地方为模型开始的7 * 7卷积层，使用了连续的3 * 3 卷积层进行了替代。在论文中主要针对BottleneckBlock进行了改进。原始的BottleneckBlock如下所示：

1.1 代码讲解

代码来源于paddle2.0rc官方API文档源码，传送门，通过阅读源码，发现这里直接实现了resnet_vb结构，即下采样放在了第二个卷积（3 * 3）上，没有放在第一个卷积（1 * 1）上。并且paddleclas中，对resnet的定义也是使用了

最低0.47元/天 解锁文章
AI小鸭学院
关注
专栏目录
paddle 36 paddledetection替换backbone（如使用hrnet_w64,swin_l_p4_w12等模型）
a486259的博客
08-16 870
paddledetection内置中对很多的backbone都是支持的，但是所提供的预训练模型却是有限的，比如hrnet就只提供了hrnet_w18的模型，对于hrnet_w48，hrnet_w64就没有提供。众所周知，在各大论文的测试结果中，模型的宽度，深度越大效果越好。使用hrnet_w18做backbone能取得优越的结果，如果换成hrnet_w64必然能得到质的飞越。paddleclas提供了丰富的预训练模型，对于paddledetection中的各种backbone都提供了完整的预训练模型版本。.
【目标检测-YOLO】PP-YOLO(v3版本)
博观约取，厚积薄发
03-31 747
本文下载的论文是 arXiv:2007.12099v3 [cs.CV] 3 Aug 2020 PP-YOLO: An Effective and Effificient Implementation of Object Detector 百度 摘要 Due to limitation of hardware, it is often necessary to sacrififice(牺牲)accuracy to ensure the infer speed of the detector in p.
paddle学习笔记——CV（2）YOLO-V3
surfaceyan的博客
08-23 599
文章目录前言生成锚框和候选区域标注候选区域标注objectness标签图像特征提取代码实现关联特征图和候选区域建立损失函数objectness = -1 的锚框YOLOv3的损失函数多尺度检测开启端到端的训练paddle.fluid.layers.yolov3_loss开启训练模型预测paddle.fluid.layers.yolo_boxNMS预测过程小结 前言 上一篇传送门 本篇文章尽量详细的说明YOLOV3算法的原理以及paddle实现。 本文中用到的图、数据、代码等都来自 这里 。 生成锚框和候.
PPyolov2项目实操
最新发布
qq_20368489的博客
03-14 665
参考项目来源：基于ppyolov2的安全帽检测。
百度飞桨PaddleClas图像识别开源应用扫盲课笔记（一）
qq_20031585的博客
06-23 1195
百度图像识别PaddleClas开源直播课笔记第一天，包含1.图像识别领域的一些基本常识，2.应用现状与技术壁垒，3.PaddleClas的核心优势。
基于paddlepaddle的yolo基本实现
qq_42896106的博客
01-30 1660
在这篇博客中，我们将深入探讨如何使用PaddlePaddle来实现YOLO（You Only Look Once）模型。YOLO是一种流行的实时目标检测算法，它以其速度和准确性而闻名。我们将使用ResNet18作为骨干网络，并一步步构建整个模型。数据集：https://aistudio.baidu.com/datasetdetail/94809。
yolov8系列-- YOLO series of PaddlePaddle implementation, PP-.zip
02-24
在本项目"yolov8系列-- YOLO series of PaddlePaddle implementation, PP-"中，开发者实现了YOLO系列算法在PaddlePaddle框架上的版本，名为PP-YOLO。PaddlePaddle是中国阿里巴巴集团开发的深度学习平台，它提供了...
PP-YOLO模型.zip
03-04
PP-YOLO模型是基于YOLO（You Only Look Once）系列的深度学习目标检测框架，由PaddlePaddle（百度的开源深度学习平台）团队研发。这个模型在保持高效运行速度的同时，提升了检测精度，因此在工业界和学术界都受到了...
【PaddlePaddle】使用Tiny-Yolo做“垃圾图像”目标识别
weixin_42581931的博客
09-05 2952
PaddlePaddle实战-使用YoloV3做“垃圾图像”目标识别
【深度学习入门】Paddle实现手写数字识别详解（基于DenseNet）
12-21
【深度学习入门】Paddle实现手写数字识别（基于DenseNet）0. 闲言碎语：1. MNIST 数据集：2. DenseNet 详解：2.1 ResNet（颠覆性的残差结构）：2.2 DenseNet（跨层链接的极致）：3. 代码： 0. 闲言碎语： OK，因为课程需要就来做了一个手写数字（当初就是这个小项目入的坑hahhh），因为必须在百度的 AI Studio 上进行，所以只能用 Paddle，看了一下 Paddle 的文档，结论是：这不就是 tensorflow + torch 的结合体吗hahhh？所以还是比较容易写这个数字识别的 demo的； 这里就分享一个 Baseline
win10系统pp-yolov2实操训练自己的数据集
dddaaavvviiiddd的博客
05-13 2972
win10系统pp-yolov2实操 因为之前一直是用pytorch框架，所以这次从paddle环境搭建，到用pp-yolov2训练自己的数据集记录下全过程。我的电脑是win10 64位系统 一、paddle环境搭建 我用了anaconda. 1.创建名为paddle的虚拟环境 conda create -n paddle python=3.8 2.激活虚拟环境 activate paddle 3.安装paddlepaddle库 conda install paddlepaddle-gpu==2.0.2 c
YOLO系列网络结构图（YOLOv5，YOLOv4，PPYOLO，YOLOv3等）
wuzhihao7788的博客
11-03 6750
YOLODet-PyTorch是端到端基于pytorch框架复现yolo最新算法的目标检测开发套件，旨在帮助开发者更快更好地完成检测模型的训练、精度速度优化到部署全流程。YOLODet-PyTorch以模块化的设计实现了多种主流YOLO目标检测算法，并且提供了丰富的数据增强、网络组件、损失函数等模块。 模型丰富： YOLODet提供了丰富的模型，涵盖最新YOLO检测算法的复现，包含YOLOv5、YOLOv4、PP-YOLO、YOLOv3等YOLO系列目标检测算法。 高灵活度： YOL
PP-YOLO
热门推荐
码农ZZK的博客
07-26 1万+
摘要 目标检测是计算机视觉一个重要的领域。而目标检测算法的准确性和推理速度不可兼得，我们工作旨在通过tricks组合来平衡目标检测器的性能以及速度。考虑到yolo3的广泛应用，我们考虑在yolo3基础模型训练得到一个更快，准确率更高的模型，即PP-YOLO 介绍 最近出现了yolov4，5模型，这些模型也是基于yolo3算法改进得来。但PPYOLO并不像yolov4探究各种复杂的backbone和数据增广手段，也不是靠nas暴力搜索得到一个结构。我们在resnet骨干网络系列，数据增广仅靠mixup的条件下
【笔记】PP-YOLO、PP-YOLOv2、PP-YOLO Tiny
nyist_yangguang的博客
11-03 4330
&Title PP-YOLO: An Effective and Efficient Implementation of Object Detector（2020） PP-YOLOv2: A Practical Object Detector（2021） 代码 &Summary 目标检测算法的准确性和推理速度不可兼得，本文的工作旨在通过tricks组合来平衡目标检测器的性能以及速度。 PP-YOLO： 45.2% mAP，速度高达72.9 FPS！FPS和mAP均超越Y...
【动手学PaddlePaddle2.0系列】目标检测理论与YOLOv4详解
lxm12914045的博客
04-21 1208
对计算机而言，能够“看到”的是图像被编码之后的数字，所以它很难理解高层语义概念，比如图像或者视频帧中出现的目标是人还是物体，更无法定位目标出现在图像中哪个区域。目标检测的主要目的是让计算机可以自动识别图片或者视频帧中所有目标的类别，并在该目标周围绘制边界框，标示出每个目标的位置，如 图1 所示。 图1：图像分类和目标检测示意图 图1（a）是图像分类任务，只需识别出这是一张斑马的图片。 图1（b）是目标检测任务，不仅要识别出这是一张斑马的图片，还要标出图中斑马的位置。 目标检测发展历程 在上一次训练
飞桨PaddlePaddle零基础深度学习实践之YOLO-V3算法简介
weixin_46247024的博客
08-29 1108
这飞桨PaddlePaddle零基础深度学习实践之目标检测里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markd
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值