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

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

评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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