Retinanet网络结构简介
一、网络主干框架（resnet50, FPN, class子网络，reg子网络）
1.首先设置C1-C5层
| C1 |
conv7x7,s=2,p=1 BN relu maxpool3x3,s=2,p=1 |
| C2(3) |
Block[1-3]: conv1x1,BN,relu conv3x3,s=1,,p=1,BN,relu conv1x1,bn add,relu |
| C3(4) |
Block[1]: conv1x1,BN,relu, conv3x3,s=2,p=1,BN,relu conv1x1,BN x下采样：conv1x1,s=2,BN add,relu Block[2-4]: conv1x1,BN,relu conv3x3,s=2,p=1,BN,relu conv1x1,BN add,relu |
|
C4(6) |
Block[1]: conv1x1,BN,relu, conv3x3,s=2,p=1,BN,relu conv1x1,BN x下采样：conv1x1,s=2,BN add,relu Block[2-6]: conv1x1,BN,relu conv3x3,s=2,p=1,BN,relu conv1x1,BN add,relu |
| C5(3) |
Block[1]: conv1x1,BN,relu, conv3x3,s=2,p=1,BN,relu conv1x1,BN x下采样：conv1x1,s=2,BN add,relu Block[2-3]: conv1x1,BN,relu conv3x3,s=2,p=1,BN,relu conv1x1,BN add,relu |
但是train.py文件中有这一行代码：retinanet.module.freeze_bn()
个人理解是将网络结构中的BN层冻结。
2.FPN模块
3.class检测子网络
| conv3x3,p=1,relu |
| conv3x3,p=1,relu |
| conv3x3,p=1,relu |
| conv3x3,p=1,relu |
| conv3x3,p=1,sigmoid |
4.reg检测子网络
| conv3x3,p=1,relu |
| conv3x3,p=1,relu |
| conv3x3,p=1,relu |
| conv3x3,p=1,relu |
| conv3x3,p=1 |
class与reg一开始是对每层特征图继续计算。最终的classification与regssion是将每层的class与reg进行torch.cat得到的。
以上内容纯属个人理解与记录。如有不对，可以指出，共同进步，谢谢。
Retinanet网络结构简介相关推荐
- DL：深度学习模型概览(包括DNN、CNN、RNN等)的简介、网络结构简介、使用场景对比之详细攻略
DL:神经网络所有模型(包括DNN.CNN.RNN等)的简介(概览).网络结构简介.使用场景对比之详细攻略 目录 神经网络所有模型的简介及其总结 神经网络所有模型的简介(概览) 神经网络算法之DNN. ...
- 深度学习之目标检测（五）-- RetinaNet网络结构详解
深度学习之目标检测(五)-- RetinaNet网络结构详解 深度学习之目标检测(五)RetinaNet网络结构详解 1. RetinaNet 1.1 backbone 部分 1.2 预测器部分 1. ...
- DL：深度学习(神经网络)的简介、基础知识(神经元/感知机、训练策略、预测原理)、算法分类、经典案例应用之详细攻略
DL:深度学习(神经网络)的简介.基础知识(神经元/感知机.训练策略.预测原理).算法分类.经典案例应用之详细攻略 目录 深度学习(神经网络)的简介 1.深度学习浪潮兴起的三大因素 深度学习(神经网络 ...
- 基于深度学习的目标检测算法对比分析（RCNN、SPP、YOLO、SSD、FPN、RetinaNet）
目录 (1) RCNN与SPP的比较 (2) RCNN → Fast RCNN → Faster RCNN (3) YOLO与RCNN类方法比较 (4) YOLO与SSD的比较 (5) YOLO v1 ...
- SSD系列、Retinanet、Efficientdet、RCNN系列知识点整理
接着前面的YOLO系列继续做一些简单的关键点整理,便于博主快速回忆起来. 1.SSD(2016) https://arxiv.org/pdf/1512.02325.pdf 类似前面整理YOLO系列,先 ...
- 机器学习17:Faster R-CNN简介
机器学习17:Faster R-CNN简介(转载整理) 知乎上的这篇文章对于Faster R-CNN介绍的非常详细:知乎文章链接,这篇文章比较偏重于Faster R-CNN的原理解释,本文主要整理了F ...
- CNN结构：用于检测的CNN结构进化-结合式方法
原文链接:何恺明团队提出 Focal Loss,目标检测精度高达39.1AP,打破现有记录 呀 加入Facebook的何凯明继续优化检测CNN网络,arXiv 上发现了何恺明所在 FAIR 团 ...
- 论文学习 AInnoFace：Accurate Face Detection for High Performance
论文地址 相关解读: [论文笔记] 人脸检测方向系列论文 arxiv2019_AFD_HP 文章要点 RetinaNet + focal loss UnitBox的IOU loss SRN ...
- OpenMMLab 目标检测
OpenMMLab 目标检测 1. 目标检测简介 1.0 常用工具 1.0.0 实用工具 1.0.1 [MMYOLO 自定义数据集从标注到部署](https://github.com/open-mml ...
最新文章
- [Android1.5]Android2.0版本以下Activity切换动画效果
- 使用 Debian 从 0 开始搭建 hexo 博客
- 谈谈你对云计算技术的看法
- java日志——修改日志管理器配置+日志本地化
- android 圆形头像，自定义圆形ImageView
- php微信拍照图库js接口,ThinkPHP微信实例——JSSDK图像接口多张图片上传下载并将图片流写入本地...
- 开发者必看：iOS应用审核的通关秘籍
- 男人必读:女人64个谜团
- slowfast 跑多卡的时候遇到问题
- Windows Phone 7 Coding4Fun的弹出框
- dw中创建java程序_Java创建对象的过程简介
- 一步一步理解日历calendar（一）
- nginx proxy_pass cannot have URI part in location given by regular expression
- HTML5 CSS3学习
- 6.torchvision
- java对七牛云文件的增删改查语句_七牛云导播
- 3dmax 焊接顶点死活焊接不上的爬坑日记。
- css3僵尸走路动画js特效
- C++ 函数反汇编跟踪以及栈结构分析
- 用于图像识别的神经网络，以及5大应用场景