Cross Stage Partial Network(CSPNet)
Cross Stage Partial Network(CSPNet)
一. 论文简介
降低计算量,同时保持或提升精度
主要做的贡献如下(可能之前有人已提出):
- 提出一种思想,特征融合方式(降低计算量的同时保证精度)
二. 模块详解
2.1 论文思路简介
论文其实非常简单,和shufflenetV2中的InvertedResidual基本差不多,只不过这是一种思想,可以扩展到FPN、DenseBlock、ResBlock之类的结构中。
画个简图,核心思想就是将输入切分,后面怎么操作就看个人需求了,当然这是试验得到的结果
![](https://img2020.cnblogs.com/blog/1033571/202010/1033571-20201015211341675-872045677.png)
![](https://img2020.cnblogs.com/blog/1033571/202010/1033571-20201015205817099-1751684880.png)
关于推导部分,笔者认为不严谨。深度学习本身就是一门试验学科,你强你上,理论都是试验结果出来再去推导(凑)。
下图是将CSP结合到FPN之中
![](https://img2020.cnblogs.com/blog/1033571/202010/1033571-20201015211459703-303550489.png)
2.2 具体实现
2.2.1 具体实现
[](https://github.com/WongKinYiu/CrossStagePartialNetworks/issues/24)
三. 参考文献
- 原始论文
作者:影醉阏轩窗
-------------------------------------------
个性签名:衣带渐宽终不悔,为伊消得人憔悴!
如果觉得这篇文章对你有小小的帮助的话,记得关注再下的公众号,同时在右下角点个“推荐”哦,博主在此感谢!
![](https://images2018.cnblogs.com/blog/1033571/201807/1033571-20180705122122491-1885279937.jpg)