PyTorch 实现经典模型8:FCN
FCN
网络结构
代码
class fcn(nn.Module):def __init__(self, num_classes):super(fcn, self).__init__()self.stage1 = nn.Sequential(*list(pretrained_net.children())[:-4]) # 第一段self.stage2 = list(pretrained_net.children())[-4] # 第二段self.stage3 = list(pretrained_net.children())[-3] # 第三段self.scores1 = nn.Conv2d(512, num_classes, 1)self.scores2 = nn.Conv2d(256, num_classes, 1)self.scores3 = nn.Conv2d(128, num_classes, 1)self.upsample_8x = nn.ConvTranspose2d(num_classes, num_classes, 16, 8, 4, bias=False)self.upsample_8x.weight.data = bilinear_kernel(num_classes, num_classes, 16) # 使用双线性 kernelself.upsample_4x = nn.ConvTranspose2d(num_classes, num_classes, 4, 2, 1, bias=False)self.upsample_4x.weight.data = bilinear_kernel(num_classes, num_classes, 4) # 使用双线性 kernelself.upsample_2x = nn.ConvTranspose2d(num_classes, num_classes, 4, 2, 1, bias=False) self.upsample_2x.weight.data = bilinear_kernel(num_classes, num_classes, 4) # 使用双线性 kerneldef forward(self, x):x = self.stage1(x)s1 = x # 1/8x = self.stage2(x)s2 = x # 1/16x = self.stage3(x)s3 = x # 1/32s3 = self.scores1(s3)s3 = self.upsample_2x(s3)s2 = self.scores2(s2)s2 = s2 + s3s1 = self.scores3(s1)s2 = self.upsample_4x(s2)s = s1 + s2s = self.upsample_8x(s2)return s
Ref
- https://github.com/Jichao-Zhao/Semantic_Segmentation_Exer
- FCN 的简单实现
PyTorch 实现经典模型8:FCN相关推荐
- PyTorch 实现经典模型2:AlexNet
AlexNet 网络结构 论文总结 成功使用ReLU作为CNN的激活函数,并验证效果在较深的网络中超过了Sigmoid.成功解决了Sigmoid在网络较深时的梯度弥散问题. 训练时使用Dropout随 ...
- PyTorch 实现经典模型3:VGG
VGG 网络结构 代码 1) 导入必需的包 # 1) 导入必需的包 import torch import torch.nn as nn import torch.nn.functional as F ...
- PyTorch 实现经典模型6:RCNN (Fast RCNN, Faster RCNN)
RCNN (Fast RCNN, Faster RCNN) 适用范围 图像分类(Image classification) 目标检测(Object detection) 网络结构 代码 Ref R-C ...
- PyTorch 实现经典模型5:ResNet
ResNet 网络结构 代码 #------------------------------用50行代码搭建ResNet---------------------------------------- ...
- PyTorch 实现经典模型4:GoogLeNet
GoogLeNet 创新点: 通过多种卷积核叠加网络复杂性 学习多种卷积 提升计算效率 GoogLeNet网络深度达到22层 1x1卷积降低维度 降低计算量,提升计算效率 网络结构 代码 import ...
- PyTorch 实现经典模型1:LeNet5
模型:LeNet5 网络结构 符号说明 网络参数 代码实现 1) 导入必需的包 2) 搭建网络模型 3) 导入使用的数据集 4) 训练模型 5) 保存模型 6) 测试模型效果 所遇错误 '_Incom ...
- PyTorch 实现经典模型7:YOLO (v1, v2, v3, v4)
YOLO (v1, v2, v3, v4) 网络结构 YOLO v3 网络结构 代码 Ref <机器爱学习>YOLO v1深入理解 <机器爱学习>YOLOv2 / YOLO90 ...
- PyTorch Hub发布获Yann LeCun强推!一行代码调用经典模型
作者 | Team PyTorch 译者 | Monanfei 责编 | 夕颜 出品 | AI科技大本营(ID: rgznai100) 导读:6月11日,Facebook PyTorch 团队推出了全 ...
- Facebook 发布 PyTorch Hub:一行代码实现经典模型调用!
作者 | Team PyTorch 译者 | Monanfei 责编 | 夕颜 出品 | AI科技大本营(ID: rgznai100) 6月11日,Facebook PyTorch 团队推出了全新 A ...
最新文章
- controller不跳转页面的几个原因_光知道SpringBoot,不用thymeleaf就太不对了
- 计算机常见知识获取方法,计算机信息处理技术基础知识
- python老鼠打洞问题_脑筋急转弯:老鼠为什么要打洞?这答案让人哭笑不得
- 一个整数数组,每个数字都出现K次,只有一个数字出现M次,找出这个数字(线性时间)
- php 8 jit,PHP JIT 是什么?PHP8 新特征之 JIT 图文详解_后端开发
- 文本分类模型_多标签文本分类、情感倾向分析、文本实体抽取模型如何定制?...
- 定制操作(传递函数或lambda表达式)
- 主题模型TopicModel:LDA中的数学模型
- IOS字体与安卓字体渲染不一致
- Collections.unmodifiableList方法的使用与场景
- vba随机抽取人名不重复_excel启用宏,通过vba实现从数字数组里随机获取N个不重复的数字...
- 2019--Target Speaker Extraction for Multi-Talker Speaker Verification
- 龙兵智能名片多企业小程序V2.3.3-开源版
- win10配置系统默认utf-8编码
- 到底是人穷志短,还是志短人穷?
- 一文带你了解java stream, 太强了
- APICloud可视化开发新手图文教程
- 惠普HP LaserJet Pro M104a 打印机驱动
- PHP判断中文字符串的长度和字节长度
- DM数据库部署dem管理工具(tomcat)
热门文章
- spring boot 热更新,热部署
- Linux内存描述之概述--Linux内存管理(一)
- PIVOT 和 UNPIVOT 命令的SQL Server版本
- android蓝牙打印机
- 【书评】RHCSA/RHCE Red Hat Linux 认证学习指南(第6版)EX200 EX300
- 通过远程桌面操作程序出现hook cannot be created(SendKeys语句错误)的解决
- Silverlight 2 RTW中ToolTipService.ToolTip不继承父节点的DataContext的问题
- wireshark的Random packet generator是什么
- 超图js版 iclient 基本开发 - 加载基本图层(以天地图示例)和基本地图控件
- Fedora学习总结