![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
骨干网络
文章平均质量分 94
猛男技术控
苦心钻研!
勇于实践!
不负韶华!
展开
-
EfficientNet v1 v2
MBConv模块和EfficientNetV1中是一样的,其中模块名称后跟的4,6表示expansion ratio,SE0.25表示使用了SE模块,0.25表示SE模块中第一个全连接层的节点个数是输入该MBConv模块特征矩阵channels的。,当n=1时,不升维),一个kxk的Depthwise Conv卷积,k主要有3x3和5x5两种情况,一个SE模块,然后接一个1x1的普通卷积进行降维作用,再加一个Droupout,最后再进行特征图融合。这样就实现了注意力。原创 2023-02-01 14:50:30 · 688 阅读 · 0 评论 -
Mobilenet v1-v3
作者认为,当前模型是基于 V2 模型中的倒残差结构和相应的变体(如下图)。使用1×1 卷积来构建最后层,这样可以便于拓展到更高维的特征空间。这样做的好处是,在预测时,有更多更丰富的特征来满足预测,但是同时也引入了额外的计算成本与延时。所以,需要改进的地方就是要保留高维特征的前提下减小延时。首先,还是将 1×1 层放在到最终平均池之后。这样的话最后一组特征现在不是 7x7(下图 V2 结构红框),而是以 1x1 计算(下图 V3 结构黄框)。这样的好处是,在计算和延迟方面,特征的计算几乎是免费的。原创 2023-01-31 17:08:07 · 583 阅读 · 0 评论