1、SSD网络结构 SSD采用VGG16的基础网络结构,使用前面的前5层,然后利用astrous算法将fc6和fc7层转换成两个卷积层,并且对conv4_3输出做正则化处理。再额外增加3个卷积层,和一个average pool层。不同层次的feature map分别用于default box的偏移以及不同类别得分预测,最后通过NMS得到最终的检测结果。不同卷积层的feat...
图1、SSD网络结构(注意此图中第三个数字都代表卷积核个数,而不是channel数) 图1中网络的输入是300 x 300,称为SSD300;除此之外还有输入为500 x 500的SSD500,它在SSD300的基础上又加了一层conv11_2用于检测。 SSD将VGG-16的全连接层fc6和fc7转换成3 x 3的卷积层Conv6和1 x 1的卷积层Conv7,并将pool...
SSD算法的全名是Single Shot MultiBox Detector,Single shot指明了SSD算法属于one-stage方法,MultiBox指明了SSD是多框预测。对于Faster R-CNN,先通过CNN得到候选框,然后进行分类和回归,而YOLO和SSD可以一步完成检测,SSD的特点是: SSD提取了不同尺度的特征图来做检测,大尺度特征图可以用来检测小物体,而小特征图用来检...
在线生成卷积网络结构图:ConvNetDraw 使用Viznet 画出神经网络结构图 ''' ''' import numpy as np from viznet import connecta2a, node_sequence, NodeBrush, EdgeBrush, DynamicShow def draw_feed_forward(ax, num_node_list): ''' draw a feed forward neural network. Args: num_node_list (list<int...