这部分代码复制自CenterNet官方实现,https://github.com/pprp/SimpleCVReproduction/blob/master/CenterNet/nets/dla34.py 3.1 基础模块 首先是三个模块,BasicBlock和Bottleneck和ResNet中的一致,BottleneckX实际上是ResNeXt中的基础模块,也可以作为DLA中的基础模块。DLA34中调用的依然是BasicBlock。 classBasicBlock(nn.M...
在这四种模型中DLA-34的精度和速度都是第二位的。 网上大部分资源是基于resnet讲述的centerNet,相信大家已经看过很多了,并且基于resnet的精度不是很高,速度也没有很大的优势,Hourglass模型太大,以本人的底配电脑无法跑出理想的效果。因此,本文基于效率和精度两方面考虑,基于DLA-34讲述CenterNet。 先看一下三种网络...
这部分代码复制自CenterNet官方实现,https://github.com/pprp/SimpleCVReproduction/blob/master/CenterNet/nets/dla34.py 3.1 基础模块 首先是三个模块,BasicBlock和Bottleneck和ResNet中的一致,BottleneckX实际上是ResNeXt中的基础模块,也可以作为DLA中的基础模块。DLA34中调用的依然是BasicBlock。 代码语言:javascript ...
2.Backbone 前文我们了解到 CenterNet 选用 DLA - 34 作为网络架构,以实现速度与效果的平衡。DLA34 的整体网络结构如图3-13所示,它主要通过巧妙地堆叠HDA(层次深度融合模块,Hierarchical Deep Aggregation),并在不同的阶段之间运用IDA(迭代深度融合,Iterative Deep Aggregation)方法,逐步对特征进行整合与优化,最终得到能...
对比DenseNet和特征金字塔,DLA的特点是能够更好的融合空间信息和语义信息。所谓空间融合,是指在分辨率和尺度方向的融合,能够提高模型推断“在哪里”的能力。语义融合是在在通道方向进行的聚合,能够提高模型推断“是什么”的能力。DLA-34的结构如图3所示,它和核心模块由两个,分别是IDA(Iterative Deep Aggregation)和HDA(...
DLA-34 : 37.4% COCOAP and 52 FPS Hourglass-104 : 45.1% COCOAP and 1.4 FPS 实际工作中我主要用CenterNet进行目标检测,常用Resnet50作为backbone,这里主要介绍resnet50_center_net,其网络结构如下: 可以发现CenterNet网络比较简单,主要包括resnet50提取图片特征,然后是反卷积模块Deconv(三个反卷积)对特征图进行...
DLA-34 : 37.4% COCOAP and 52 FPS Hourglass-104 : 45.1% COCOAP and 1.4 FPS 实际工作中我主要用CenterNet进行目标检测,常用Resnet50作为backbone,这里主要介绍resnet50_center_net,其网络结构如下: 可以发现CenterNet网络比较简单,主要包括resnet50提取图片特征,然后是反卷积模块Deconv(三个反卷积)对特征图进行...
CenterNet中主要提供了三个骨干网络ResNet-18(ResNet-101), DLA-34, Hourglass-104,本文从结构和代码对hourglass进行讲解。 本文对应代码位置在:https://github.com/pprp/SimpleCVReproduction/tree/master/Simple_CenterNet 1. Ground Truth Heatmap 在开始讲解骨干网络之前,先提一下上一篇文章中有几位群友私聊我...
2. DLA-34 : 37.4% COCOAP and 52 FPS 3. Hourglass-104 : 45.1% COCOAP and 1.4 FPS 每个网络内部的结构不同,但是在模型的最后输出部分都是加了三个网络构造来输出预测值,默认是80个类、2个预测的中心点坐标、2个中心点的偏置。 三种网络结构如下图所示 ...
4. Result paper使用了四种不同的backbone进行实验:ResNet-18, ResNet-101, DLA-34 , 与 Hourglass-104 。其中对ResNets和DLA-34进行了更改,而 Hourglass-104 没有更改。结构如下: 四种backbone的实验结果: 与其他SOTA算法的对比: