1、shortcut层

shortcut层的输入层一般是两个(目前还没出现多余两个的情况),实现两个张量相加,例如:

对应的cfg文件中的层为:

#4
[convolutional]
batch_normalize=1
filters=64
size=1
stride=1
pad=1
activation=mish
#5
[convolutional]
batch_normalize=1
filters=32
size=1
stride=1
pad=1
activation=mish
#6
[convolutional]
batch_normalize=1
filters=64
size=3
stride=1
pad=1
activation=mish
#7
[shortcut]
from=-3
activation=linear

cfg文件中shortcut层紧接的那一层为shortcut层的一个输入层,另外一个输入层为from指定的层,例如from=-3指的是该shortcut层的前面第三层。

2、route层

route层作用相当于引入和concat两个操作,当route的输入只有一个时,就只有引入的作用,当输入大于一个的时候,会将所有的引入再执行一步concat,增加route层的输出维度。yolov4中route层的输入可以是1、2或4个,例如SPP模块:

最下面的一个route层有四个输入,对应的在cfg文件中的代码为:

[convolutional]
batch_normalize=1
filters=512
size=1
stride=1
pad=1
activation=leaky### SPP ###
[maxpool]
stride=1
size=5[route]
layers=-2[maxpool]
stride=1
size=9[route]
layers=-4[maxpool]
stride=1
size=13[route]
layers=-1,-3,-5,-6
### End SPP ###

route层的layers参数制定了该route层的输入有哪些,方法和shortcut相同,-1指的是该route层往前的第1层。

YOLOV4的SPP和YOLOV3-SPP中的SPP配置完全一样,从这两个网络结构还可以发现,当一个层有多个输出时,只允许其中一个输出直接接后面的非route层,而其余输出则要由route层来引导。

欢迎批评指正!

yolov4中的route和shortcut层相关推荐

  1. yolov3中的route和shortcut层

    1.shortcut层 shortcut层的输入层一般是两个(目前还没出现多余两个的情况),实现两个张量相加,例如: 对应的cfg文件中的层为: #4 [convolutional] batch_no ...

  2. [pytorch]yolov3.cfg参数详解(每层输出及route、yolo、shortcut层详解)

    文章目录 Backbone(Darknet53) 第一次下采样(to 208) 第二次下采样(to 104) 第三次下采样(to 52) 第四次下采样(to 26) 第五次下采样(to 13) YOL ...

  3. PANet:YOLOv4中的路径聚合网络

    点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 是最重要的计算机视觉过程之一,它将图像分割成更小的.多个片段,这样 ...

  4. YOLOv4 中的 Mish 激活函数

    作者 | Miracle R 编译 | ronghuaiyang 转自 | AI公园 导读 对YOLOv4中的Mish激活函数进行解释和优缺点对比. YOLO,是一种 one-shot 的目标检测技术 ...

  5. 如何在 ASP.NET Core 中使用 Route 特性

    ASP.NET Core 中的 Route 中间件的职责在于将 request 匹配到各自 Route 处理程序上,Route 分两种:基于约定 和 基本特性 模式. 基于约定 模式的Route采用集 ...

  6. 浅谈yolov4中的一部分数据增强

    浅谈yolov4中的数据增强 前言 数据增强 数据增强步骤 1.对图片进行水平翻转 2.对图片进行缩放 3.对图片HSV色域变换 4. Mosaic数据增强 5. 总代码 前言 在接下来的几天,我将解 ...

  7. yolov4中的mosaic数据增强

    文章详细讲解yolov4中的mosaic数据增强方法以及代码细节,如有错误,希望指正. 参考代码链接:https://github.com/bubbliiiing/yolov4-keras 1.下述代 ...

  8. php中logic(),thinkphp中的logic和service层是干什么用的?

    thinkphp中的logic和service层的用处: logic:顾名思义,主要是用来堆砌业务代码的: service:一般跟API接口做对接的代码都放在这里. 不管框架如何分层,本质上就是一个代 ...

  9. Pytorch 学习(7):Pytorch中的Non-linear Activations (非线性层)实现

    Pytorch 学习(7):Pytorch中的Non-linear Activations (非线性层)实现 Pytorch中的Non-linear Activations (非线性层)包括以下激活函 ...

最新文章

  1. 【怎样写代码】工厂三兄弟之抽象工厂模式(一):问题案例
  2. python程序员总结的一些基本语法
  3. Linux_SystemLogManager
  4. DockerCon 2016 深度解读: Citrix 服务发现解决方案 —— Nitrox
  5. centos7防火墙firewalld配置,干货直接上手
  6. redis(一)--认识redis
  7. nssl1211-好文章【字符串hash,map】
  8. Python Flask实现查询和添加数据
  9. 生态功能区划方法之三:聚类分析法和生态融合法
  10. Android系统音量范围0-100,步进值5(十三)
  11. Clear Float
  12. 重磅消息,Redis开源作者宣布不再维护Redis项目!
  13. 【预测模型】Gompertz 曲线方程预测
  14. adb工具下载及配置使用
  15. 基于自抗扰控制adrc的高速列车运行控制算法研究
  16. 详细总结卡尔曼滤波原理+具体案例分析
  17. VPX视频叠加板卡学习资料第199篇:基于Xilinx FPGA XC5VFX100T的6U VPX视频叠加板卡
  18. 万字深度报告丨数据中心投资价值全解析
  19. 按字寻址和按字节寻址
  20. Fresher练打字

热门文章

  1. 集成电路专业术语简介
  2. Mysql如何添加环境变量(详细教程)
  3. unity游戏优化之ETC压缩和 Alpha通道处理
  4. 纯jsp实现数据库的连接和验证登录
  5. Oracle数据库Blob字段存储文本文件
  6. MySQL 中的 SET 与 ENUM 类型使用详解
  7. c语言——简单计算器
  8. 【大数据面试题】(一)Hadoop 相关面试题总结
  9. 微软业务生产力平台基础架构优化(BPIO)之企业项目管理(EPM)解决方案
  10. kali系统渗透window实现屏幕监控