PVANET 网络
来源:互联网 发布:一年的java工作经验 编辑:程序博客网 时间:2024/06/03 16:23
旨在降低计算量,重新设计了特征提取部分,设计原则是“通道少层数多”,网络比较深但是比较瘦,使用了batch norm,residual 连接,学习率更新策略等技术。在VOC2012上 rank-2,运行时间在i7-6700K CPU上750ms/帧,在Titan X GPU上运行时间45ms/帧。
其他增强性能方法:
- 在CNN的前几层使用C.ReLU,降低一半计算量
CNN前几层,输出节点激活一般有符号相反的对应节点,通过该观察,将输出节点数降低一半,在输出时double并取反,提两倍速。
在初始C.ReLU增加了缩放及平移,使得成对的通道斜率和激活阈值不同? - 在特征生成子网络的余下的几层使用Inception,Inception模块生成感受野不同尺寸的激活输出,提高了感受野尺寸的多样性
Inception尚未在检测任务中广泛应用,作者认为Inception是计算量较小的模块,用于检测较大或较小的目标。对较大目标,对应大感受野,可以通过堆栈3*3卷积实现。对较小物体,对应小感受野,1*1的卷积保持了上一层感受野的大小,精确检测小物体。
Inception操作如下图所示: - 使用了Hypernet中多尺度表示思想
综合精细信息及高度抽象信息有益于检测不同尺度的物体,但抽象层的数目和编号需要精心设计。与ION和HyperNet中思想类似,综合了最后一层和两个中间层(分别是最后一层尺度的2倍和4倍),并将2倍层作为参考标准层。 - 训练的tricks
在Incption中增加残差结构,在所有的ReLU激活前增加BN,使用plateu检测更新学习率。
网络的结构如下图所示:
K*K的卷积层之前和之后都有1*1的卷积,先降低输出尺寸大小,后提高表示能力。
实验结果:
文中有一句,在mAP超过80%的方法中,PVANET运行时间在50ms以内,但没有和YOLOv2比较
阅读全文
0 0
- PVANET 网络
- pvanet训练网络时的一些小技巧
- PVAnet配置
- caffe-pvanet
- 物体检测:PVANET
- PVANET 之再阅读
- PVAnet的压缩
- pvanet-coco-vgg16
- Detection:pvanet训练自己数据
- PVAnet的配置和安装
- PVAnet目标检测注意点
- PVANet--实时的物体发现(检测)
- Mac下跑仅CPU模式下的PVANET
- pvanet训练遇到的一些问题
- pvanet训练自己的数据过程记录
- PVAnet算法原理和论文理解
- 系统学习深度学习(四十一)--PVANet
- PVANet中的solver.prototxt中的plateau实现
- java回调机制
- C++ 判断一个字符串是不是utf8或者GBK格式
- 程序编译的步骤
- 深入java(类)抽象类和接口语法解答
- 流失布局Android FlexboxLayout
- PVANET 网络
- mysql float统计
- java常用api(2)
- 关于思岚激光雷达在ros包中如何把360度扫描数据切割成想要的扫描平面
- PHP性能优化小技巧
- 算法复杂度
- c3p0详细配置
- 运维旧网站,ASPCMS太长字符串截断显示。CSS设置换行
- Android 4G模块调试总结