目录
一、原理
不同大小的卷积核,提取目标特征的特征尺度不同,所以通过使用不同大小卷积核的卷积来提取特征就可以保证获取到目标的多尺度特征。
借鉴YOLOv8中,将通道数进行划分的操作,在卷积的输入过程中为了减小参数量,将输入通道数一分为二,一部分保持不变,另一部分进行特征提取,将用于特征提取的部分再进行通道划分,分别通过3*3卷积和5*5卷积。
通过这种方式来保证在减少参数量的同时提取目标特征的多尺度信息。
二、代码
class EC(nn.Module):
def __init__(self, input,output):
super().__init__()
self.c = int(input//2)
self.c2 = int(input//4)
self.cv1 = nn.Conv2d(self.c2,self.c2,kernel_size=3,stride=1,padding=1)
self.cv2 = nn.Conv2d(self.c2,self.c2,kernel_size=5,stride=1,padding=2)
self.cv3 = nn.Conv2d(input,outpu