关于目标检测ssd实现代码中permute layer和flatten layer的作用

最新推荐文章于 2022-08-01 16:05:26 发布
最新推荐文章于 2022-08-01 16:05:26 发布
阅读量5.6k 收藏 6
点赞数 5
分类专栏： 检测与识别 文章标签： 目标检测ssd
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/wonengguwozai/article/details/76292543
版权

SSD论文中并没有对这部分工程的实现进行描述，在查看网络结构和论文相关代码时，这两层疑问很大，下面是搜索和相关总结的结果：

1、论文的作者wei liu 是这样回答的：


2、通过作者的回答我画了下blob的草图，发现了其中的答案：


wonengguwozai
关注
专栏目录
深度学习中Flatten层的作用
李响
11-16 2888
Flatten层的实现在Keras.layers.core.Flatten()类中。 作用： Flatten层用来将输入“压平”，即把多维的输入一维化，常用在从卷积层到全连接层的过渡。Flatten不影响batch的大小。 例子： from keras.models import Sequential from keras.layers.core import Flatten from keras.layers.convolutional import Convolution2D from keras.ut
PyTorch深度学习实战（44）——基于 DETR 实现目标检测
最新发布
盼小辉丶的博客
06-04 2744
基于 DETR 的目标检测模型是将 Transformer 网络引入目标检测任务中，与传统的基于区域提议的检测方法有所不同。DETR 模型的核心思想是将目标检测问题转化为集合预测问题，通过将图像中的所有位置视为一个集合，并通过 Transformer 完成对整个集合的编码和解码过程，从而在单个前向传递中直接预测出目标的类别和边界框。在本节中，我们将学习 transformer 和 DETR 的原理，并使用 PyTorch 实现 DETR 以执行目标检测任务。
SSD网络解析之Permute层
qq_21368481的博客
08-17 1万+
Permute层是SSD（Single Shot MultiBox Detector）中用于置换索引轴顺序的，与matlab中的permute()函数实现类似的功能，首先我们看一下caffe.proto中关于该层参数的说明： optional PermuteParameter permute_param = 202; message PermuteParameter { // The n...
flatten层的作用
刘明的博客
03-15 1万+
flatten是用来对数组进行展平操作的，首先我们假设有一张灰度图片，这个图片只有3x3个像素点，分别是从1到9，我们对其进行flatten操作。首先它会把每1行进行分开，然后用第2行接在第1行后面，形成一个新的数组1，2，3，4，5，6，最后再把第3行的7，8，9接在新生成的数组后面形成最终的数组。 接下来我们来验证一下我们的猜想。首先导入numpy包，用它来创建一个3x3的二维数组a，并将a打印出来。 灰色图片是一维的，对其flatten： 我们可以看到，经过flatten操作之后，本来3行的数
为什么使用Flatten layer？
MOL
03-09 2万+
Convolution卷积层之后是无法直接连接Dense全连接层的，需要把Convolution层的数据压平（Flatten），然后就可以直接加Dense层了。 也就是把 (height,width,channel)的数据压缩成长度为 height × width × channel 的一维数组，然后再与 FC层连接，这之后就跟普通的神经网络无异了。 可以从图中看到，随着网络的深入，我们的图像（严格来说中间的那些不能叫图像了，但是为了方便，还是这样说吧）越来越小，但是channels却越来越大了。在.
搞定目标检测（SSD篇）（下）
cedi9117的博客
01-16 1291
搞定目标检测（SSD篇）（上）主要分析了目标检测的基本原理和技术局限，本文将继续上集的未尽事宜，详解如何使用SSD搞定目标检测。先打个预防针，本文的内容会比较烧脑，最好结合代码和论文来理解，而且本文的阅读前提是默认你已经掌握了上集的内容，当然我也会尽量用通俗易懂的语言给你讲清楚。Github: https://github.com/alexshuang/pascal-voc-pytorch。 S...
手把手教你如何自制目标检测框架（从理论到实现）
`or 1 or 不正经の泡泡
08-01 3346
好久没有冒泡了，是时候来波大的了，也是由于特殊需求，不得不重启关于目标检测的一些内容。既然如此，那么刚好把以前要做的yolo目标检测相关的代码进行复现，并且好好把这个目标检测说清楚一点儿。此外本文基于Pytorch进行编写，有空后期tensorflow也可以试试。GitHub水项目之快速上手YOLOV5YOLOV5参数设定与模型训练的坑点一二三YOLOV1论文小整理嘿~全流程带你基于Pytorch手撸图片分类“框架“–HuClassify那么本文两个目标一.理论搞清楚什么是目标检测。......
以resnet作为前置网络的ssd目标提取检测
热门推荐
girafffeee的博客
11-10 2万+
以resnet作为前置网络的ssd目标提取检测 1.目标        本文的目标是将resnet结构作为前置网络，在imagenet数据集上进行预训练，随后将ssd目标提取检测网络（一部分）接在resnet前置网络之后，形成一个完整的ssd网络。         ssd网络下载和配置参考点击打开链接 2.resnet前置网络pretrain 2.1 利用imag
Caffe 转SNPE dlc格式之Flatten、Reshape、Permute层的使用
白菜的博客
09-30 6922
flatten、reshape和permute在snpe中的实现
flatten的用法
Joy
02-06 620
from numpy import * if __name__ == '__main__': ''' flatten 用于数组 ''' a = array([[1,2,3,4,5],[3,4,5,6,7],[1,4,5,6,74],[23,4,5,6,7]]) print(type(a)) print(a.flatten()) '''
flatten层_机器学习的基础实现（六）：自定义模型和层
weixin_39848097的博客
11-28 827
这一节开始，介绍一下tensorflow里的自定义功能，主要是自定义模型和自定义层的计算，这部分会涉及tf里函数式API编程的应用。自定义这些主要是为了让模型更加灵活，能够以自己定义的方式输出结果。像深度学习里比较常用的各种XXNet，都是这类自定义的层和模型组合起来的结果，之后我可能也会写一些比较经典的整合模型的结构。首先先介绍下模型的自定义（Model），这部分和常用的Senquential类...
CNN实现的一些层的作用
qq_33761777的博客
11-15 1264
flatten层的作用 作用： Flatten层用来将输入“压平”，即把多维的输入一维化，常用在从卷积层到全连接层的过渡。Flatten不影响batch的大小。
【caffe】Layer解读之：Flatten
yuanCruise
08-11 8975
Layer type: Flatten 头文件位置：./include/caffe/layers/flatten_layer.hpp CPU 执行源文件位置: ./src/caffe/layers/flatten_layer.cpp Flatten层的功能：Flatten层是把一个输入的大小为n * c * h * w变成一个简单的向量，其大小为 n * (c*h*w)。可以用reshape代替...
opencv c++ caffe模型加载，自定义一个permute层
Diana_Z的博客
08-08 1434
1、定义层结构 因为不知道如果同名可不可以覆盖掉原来的层，所以我同名试试，证明可以覆盖 第78行用于读取参数 83行用于创建整个层 87行是定义输出数据的结构 102层是层的具体方法，在基类Layer中是一个纯虚函数，一定要重定义 121层我也不知道干啥的，但是在基类Layer中是一个纯虚函数，一定要重定义 如果基类中的纯虚函数没有在派生类中全部被重新定义，那么派生类会是以一个抽...
keras如何获取中间层的输出（Sequential、Functional两种情况下）
ch206265的博客
07-27 2959
keras如何获取中间层的输出 Example Keras中英文文档中有详细连接，参照：如何获取中间层输出？ Example 构建模型 from keras.models import Model from keras.layers import Input,Dense,Permute,Flatten inputs_v = Input(shape=(2,5)) model_v = Permute((2, 1))(inputs_v) flatten = Flatten()(model_v) ou
深度学习之SSD总结
weixin_45963617的博客
06-26 1712
SSD是一种直接预测目标类别和bounding box的多目标检测算法。它使用低层feature map检测小目标，使用高层feature map检测大目标。 一、SSD的优势与劣势 1.优势 （1）没有生成边界框（proposal）的过程，进而提高了速度。 （2）SSD的核心是预测固定的一系列默认边界框的类别分数和边界框偏移，使用更小的卷积滤波器应用到特征映射上。 （3）为了实现高检测精度，我们...
permute 指令
zhangxx0811的专栏
04-18 981
AVX 1. VPERMILPD — Permute Double-Precision Floating-Point Values VPERMILPD xmm1, xmm2,xmm3/m128 Permute double-precision floating-point values in xmm2 using controls from xmm3/mem an
【keras学习——Flatten层的用法】
Wanderist_
05-10 1万+
flatten层用来扁平参数用，一般用在卷积层与全链接层之间，可以从vgg16网络中可以看出，但是在后来的网络中用GlobalAveragePooling2D代替了flatten层，可以从vgg16与inceptionV3网络对比看出。从参数的对比可以看出，显然这种改进大大的减少了参数的使用量，避免了过拟合现象。 开了一个技术交流的公众号，里面记录一些在学习有关深度学习，推荐系统...
帮我用python写个ssd目标检测的代码
03-07
以下是 Python 的 SSD 目标检测代码示例： ```python import torch import torchvision import cv2 # 加载模型 model = torchvision.models.detection.ssd300(pretrained=True) model.eval() # 加载标签 labels =...
评论
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