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_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。
yolov3中的route和shortcut层相关推荐
- yolov4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 ...
- [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 ...
- YOLOv3中darknet的各种层的说明
激活函数: 很多层里面有 activation 这一项,这是激活函数,我看到的配置文件里面最常用的就3个: LINEAR:啥都不干 RELU :值 > 0时保持不变,小于0时置0 LEAKY : ...
- YOLOV3中Darknet中cfg文件说明和理解
darknet 是由 C 和 CUDA 开发的,不需要配置其他深度学习的框架(如,tensorflow.caffe 等),支持 CPU 和 GPU 运算,而且安装过程非常简单. 1.cfg文件说明理解 ...
- YOLOv3中Loss
yolov3 的 loss ,今天终于看完了yolov3-tf2 的源码 YOLOv3中Loss部分计算 代码 #终点的loss= obj_mask * box_loss_scale*sum((px1 ...
- 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 ...
- iou画 yolov3_专栏 | 【从零开始学习YOLOv3】4. YOLOv3中的参数进化
原标题:专栏 | [从零开始学习YOLOv3]4. YOLOv3中的参数进化 前言:YOLOv3代码中也提供了参数进化(搜索),可以为对应的数据集进化一套合适的超参数.本文建档分析一下有关这部分的操作 ...
- 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 ...
- 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
- joomla 1.7遇到的麻烦——不能删除模板的解决办法
- 解决ajax.open方法失效问题
- Windows程序的基本结构(转)
- 应该始终以PreparedStatement代替Statement
- Hadoop工具如何形成SAP Hana的大数据平台
- [转] 图解Seq2Seq模型、RNN结构、Encoder-Decoder模型 到 Attention
- 遗传算法MATLAB工具包简介
- catia圆角交点如何标注_标签软件如何制作口罩合格证
- java动态规划法实例_动态规划法实现找零 java
- HADOOP高可用机制
- xshell免费版下载安装及使用
- U盘文件夹类型变成应用程序
- linux init进程源码,Android启动Init进程源码分析
- Arduino安装与配置ESP8266开发板(超简单,亲测有效)
- 物体识别全流程(Ubuntu16.04)结合ROS
- 代理IP如何解决爬虫IP被封
- 【SpringBoot】 日志框架冲突
- 世界上第一台通用计算机是一台,世界上第一台计算机是如何诞生的?
- Html中img自带属性有哪些,HTMLIMG标签的属性是有哪些?了解IMG标签的用法
- 在网页中调用摄像头实现拍照上传 - 高拍仪二次开发