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

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