前言

关于DCN可形变卷积神经网络相信大家也都不陌生，使用额外的feature map区学习offset，以此达到可形变的效果。感觉和attention比较相似？
但是网络实现的代码版本各不相同，编译环境存在很多难以协调等等的问题。而MMopenlab是一个非常不错的工具，其有着实现可形变卷积的方法，因此本文只是做一个引入，如何像正常使卷积一样的使用DCN

正文

from mmcv.ops import DeformConv2dPack
import torch
from torch import nn
from thop import profile
import timeclass Conv(nn.Module):def __init__(self,indim,outdim,kerner=3,stride=1):super(Conv, self).__init__()self.conv1 = nn.Conv2d(indim,outdim,kernel_size=kerner,stride=stride,padding=kerner//2)self.act = nn.LeakyReLU(0.1)self.bn = nn.BatchNorm2d(outdim)def forward(self,x):return self.bn(self.act(self.conv1(x)))class Dconv(nn.Module):def __init__(self, indim, outdim, kerner=3, stride=1):super(Dconv, self).__init__()self.conv1 = DeformConv2dPack(indim, outdim, kernel_size=kerner, stride=stride, padding=kerner // 2,deform_groups=2)self.act = nn.LeakyReLU(0.1)self.bn = nn.BatchNorm2d(outdim)def forward(self, x):return self.bn(self.act(self.conv1(x)))

接下来是对两个定义的结构进行测试

conv1 = Conv(128,256).cuda()
dconv1 = Dconv(128,256).cuda()
input = torch.randn(4,128,640,640).cuda()t1 = time.time()
out1 = conv1(input)
t2 = time.time()
print('conv:',t2-t1)
total = sum([param.nelement() for param in conv1.parameters()])
print("Number of parameter: %.2fM" % (total / 1e6))
out2 = dconv1(input)
t3 =time.time()
print('dconv:',t3-t2)
total = sum([param.nelement() for param in dconv1.parameters()])
print("Number of parameter: %.2fM" % (total / 1e6))print(out1.shape)
print(out2.shape)

相比较正常的CONV而言，DCN的参数量更大一些。

pytorch使用DCN相关推荐

复现 MonoEF：Monocular 3D Object Detection: An Extrinsic Parameter Free Approach
复现 MonoEF:Monocular 3D Object Detection: An Extrinsic Parameter Free Approach 时间:2022年7月13日代码连接: ht ...
dcn和dcnv2 torch
dcn也叫可变形卷积 c++ cu版编译参考我的另一篇博客: DCNv2 windows编译 2021ok_jacke121的专栏-CSDN博客 pytorch版,输入x,参考我另一篇博客: 可变形卷 ...
PyTorch开源物体检测工具包
MMDetection是一个基于PyTorch的开源物体检测工具包.该工具包采用模块化设计,支持多种流行的物体检测和实例分割算法,并且可以灵活地进行拓展,在速度和显存消耗上也具有优势.(https:/ ...
gan pytorch 实例_重新思考一阶段实例分割(Rethinking Single Shot Instance Segmentation)
点击上方"CVer",选择加"星标"或"置顶" 重磅干货,第一时间送达作者:谢恩泽 https://zhuanlan.zhihu.com/ ...
pytorch C++部署模型 ONNX tensorRT
(1) C++部署pytorch模型(上) (2) TensorRT5介绍及Pytorch转TensorRT5代码示例 TensorRT的使用步骤:(假设以及有一个训练好的模型) (1) 根据模型创建 ...
目标检测 dcn v2_使用Detectron2分6步进行目标检测
目标检测 dcn v2 Have you ever tried training an object detection model using a custom dataset of your ow ...
pytorch实现文本分类_使用变形金刚进行文本分类（Pytorch实现）
pytorch实现文本分类 'Attention Is All You Need' "注意力就是你所需要的" New deep learning models are introd ...
resnet系列+mobilenet v2+pytorch代码实现
一.resnet系列backbone import torch.nn as nn import math import torch.utils.model_zoo as model_zooBatchN ...
《南溪的目标检测学习笔记》——DCN（DCNv2）的学习笔记
1 前言 DCN是一个常见的技术,在Deformable-DETR跟PP-YOLO中都有用到DCN: 论文:<Deformable ConvNets v2: More Deformable, B ...
Alphapose - Windows下Alphapose(Pytorch 1.1+)版本2021最新环境配置步骤以及踩坑说明
文章目录 1 Alphapose 2 环境配置 2.1 官方安装说明 2.2 Anaconda创建虚拟环境Alphapose 2.3 获取Alphapose仓库 2.4 安装相关依赖库 2.4.1 激 ...

pytorch使用DCN

pytorch使用DCN

前言

正文

pytorch使用DCN相关推荐

最新文章

热门文章