v3,v4,v5 backbone对比

最新推荐文章于 2024-07-26 12:59:34 发布
原创 最新推荐文章于 2024-07-26 12:59:34 发布 · 240 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #神经网络

该博客探讨了深度学习网络结构的发展，从V1的CONV+MAXPOOL+FC+OUTPUT，到V2的全局池化，再到V3的残差模块和V4的CSPDarknet53与Mish激活函数的结合。V5引入了Focus和CSPNet，优化梯度信息，减少参数量和FLOPS，提高推理速度和准确性。关键词包括：残差模块、CSPDarknet53、Mish激活、Dropblock、CSPNet。

Block：

请添加图片描述
DBL: conv+BN+LeakyRelu

在这里插入图片描述
resn：加深深度

请添加图片描述
CBM:conv+BN+Mish
CBL:conv+BN+LeakyRelu

请添加图片描述
CSPX:残差下采样

请添加图片描述
CSP1_X:残差下采样

请添加图片描述
focus 切片，通过通道数增加减少maxpool的信息丢失

V1：CONV+MAXPOOL+FC+OUTPUT
V2：CONV+MAXPOOL+AVGPOOL+OUTPUT(Darknet 3*3卷积+全局池化无全连接层)

V3：
请添加图片描述
（Darknet53）加入残差模块，增加网络深度，无maxpool ，通过resn加深网络深度，

V4：
请添加图片描述
（CSPDarknet53）结合CSPDarknet53、Mish激活函数、Dropblock
经过5次CSP模块后得到19*19大小的特征图：608->304->152->76->38->19

V5：
请添加图片描述
focus
CSPNet解决了其他大型卷积神经网络框架Backbone中网络优化的梯度信息重复问题，将梯度的变化从头到尾地集成到特征图中，因此减少了模型的参数量和FLOPS数值，既保证了推理速度和准确率，又减小了模型尺寸

backbone对比
qq_32256033的博客
05-24 795
使用mmdetection训练模型--记faster-rcnn不同backbone性能比较
hedgehogbb的博客
12-15 4856
使用mmdetection训练模型--记faster-rcnn不同backbone性能比较
深度学习中backbone网络优缺点（附图文）
weixin_45074568的博客
04-12 2527
backbone VGG系列 采用连续的几个3x3的卷积核代替AlexNet中的较大卷积核（11x11，7x7，5x5），采用堆积的小卷积核是优于采用大的卷积核，因为多层非线性层可以增加网络深度来保证学习更复杂的模式，而且代价还比较小（参数更少），例如用三个33取代77后感受野不变，下面参数量对比： 一个7 x 7的卷积核参数量是 77input_channel* output_channel 三个3 x 3的卷积核参数量是 333input_channel output_channel VG
YOLOv5改进 | 主干网络 | 用EfficientNet卷积替换backbone【教程+代码 】
kay_545
05-21 4322
YOLOv5改进，优化，efficientnet
深度学习常用的backbone有哪些
a486259的博客
09-28 1万+
深度学习中常用的backbone有resnet系列（resnet的各种变体）、NAS网络系列（RegNet）、Mobilenet系列、Darknet系列、HRNet系列、Transformer系列和ConvNet。
yolov3 v4 v5的对比
jasonxu的博客
08-21 1万+
以下将以v3、v4、v5的顺序进行介绍并比对： 1、backbone yolov3 、v4网络结构，参考：https://zhuanlan.zhihu.com/p/143747206 yolov4网络结构 yolov4网络结构 yolov3：Darknet53，借鉴了ResNet的残差结构，使用这种结构可以让网络结构更深。 yolov4：CSPDarknet53，CSP就是CSPNet论文里面跨阶段局部融合网络，CSP结构在每个res_block残差块的头尾增加连接，使特征更好...
yolov1v2v3v4v5v6v7vv8对比
07-27
引用\[1\]:YOLOv1的backbone使用的是GoogleLeNet，速度比VGG-16快，YOLOv1完成一次前向过程只用8.52 billion 运算，而VGG-16要30.69 billion，但是YOLOv1精度稍低于VGG-16。引用\[3\]:Darknet-19是YOLOv1的网络结构...
yolov1v2v3v4v5v6v7v8v9介绍
最新发布
02-18
尽管名称上延续着前面几个版本的名字序列，但实际上YOLO v5并非官方出品而是由社区开发者基于YOLO v3架构所开发的一个变体版本。其主要特点在于简化后的Backbone部分（如Focus,CSP残差连接），以及借鉴自其他先进...
【目标检测经典模型比较】--YOLOv1、v2、v3、v4、v5、x、v7、v8
weixin_62371528的博客
02-06 9717
YOLOv1、v2、v3、v4、v5、x、v7、v8。YOLO全系列图文讲解，并包含优缺点与创新点比较，最后还有yolov8模型改进方法.
目标检测 | YOLO v4、YOLO v5、YOLO v6理论讲解
houjingchuan的博客
07-26 2444
目标检测：YOLO v4、YOLO v5与YOLO v6理论知识笔记，根据B站up霹雳吧啦Wz与优快云博主路人贾的目标检测相关博文总结。
backbone与vue对比
u010099373的博客
10-10 1695
我们之前的项目都是使用的backbone；现就backbone与vue中使用的几个点做下比较 #数据模型 1. backbone的model可视为vue中的data；不同之处：vue中的data直接是数据，而backbone中的model是对象，支持继承及自定义属性，可根据复杂业务继承、封装； 2. vue中的data与视图单向绑定，不需要显示绑定；backbone中数据与视图无默认绑定，若想实...
三大JavaScript框架对比——AngularJS、BackboneJS和EmberJS
chszs的专栏
02-01 1万+
《三大JavaScript框架对比——AngularJS、BackboneJS和EmberJS》作者：chszs，转载需注明。博客主页：http://blog.youkuaiyun.com/chszs如果有心搜索的话，你能找出上百种JavaScript框架。当我们要开发一个现代化的、敏捷酷炫的网站时，JavaScript是必备的基础技术。那么问题来了，如何在这么多JavaScript框架中选取最能满足我们需求
react与backbone比较
意涵团_晴天的博客
08-17 1997
1.为什么react那么火？在web开发过程中，要将变化的数据渲染到页面上，必然需要对DOM的操作，频繁的DOM操作降低页面性能，而react的核心是虚拟DOM，并没有真实的操作DOM，而是用js构建出新的DOM树（只是一种内存数据），react将当前该DOM树与上一次的DOM树进行对比，得到DOM结构的区别，然后将需要变化的部分进行实际的DOM更新。2.Backbone Backbone帮助我们
目标检测算法横向比较，包括backbone、特征融合、loss、proposal/anchor/heatmap、NMS、正负样本设置等
ygfrancois的博客
05-27 1万+
目标检测算法发展移步：目标检测算法 本文从算法改进的方向，进行横向比较，包括backbone，特征融合、loss、proposal/anchor/heatmap、NMS、正负样本设置等 Reference：Object Detection in 20 Years: A Survey Table of Contents Backbone改进 DenseNet ResNeXt（gro...
【目标检测】YOLO框架原理总结
weixin_41977337的博客
12-07 3258
参考资料： YOLO主页 https://pjreddie.com/darknet/yolo/ YOLOv1 论文下载：http://arxiv.org/abs/1506.02640 代码下载：https://github.com/pjreddie/darknet YOLOv2&YOLO9000 工程代码地址：http://pjreddie.com/darknet/yolo/ 代码和预训练模型地址：http://pjreddie.com/yolo9000/ YOLOv3 代码下载：h.
深度学习中的Benchmark，Baseline，Backbone和SOTA的比较说明举例分析
呆呆象呆呆的博客
08-17 1万+
1 Benchmark 1.1 中英文直译 基准；水准点；衡量尺度 A benchmark is something whose quality or quantity is known and which can therefore be used as a standard with which other things can be compared. 1.2 解释说明举例 是一种标准、规则，不一定是最好的，但一定是最有代表性的，已经被广泛研究且被广泛认可的，对它性能的表现形式、测量方法都非常
改进YOLOv5系列：4.YOLOv5_最新MobileOne结构换Backbone修改，超轻量型架构，移动端仅需1ms推理！苹果最新移动端高效主干网络
热门推荐
包括YOLOv5、YOLOv7、YOLOv8等模型改进
08-05 1万+
目标检测科研Trick改进推荐 | 包括Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数
常用的基于ImageNet分类任务开发的backbone模型
迷路的咸鱼的博客
04-13 2600
  在目标检测、目标分割和目标跟踪等基本的视觉任务中，大多数backbone网络都是基于ImageNet上的分类任务进行开发的。虽然ImageNet比赛（ILSVRC）在2017年已经是最后一届了，但是除了比赛期间提出的经典网络，仍不断有新的深度神经网络模型涌现出来。为了在研究中更好地选择各种backbone模型，因而总结分析各种模型在精度、速度和内存等方面的对比情况，希望在实际应用中可以提供参考...
2021-03-16
weixin_40688204的博客
03-16 244
CVPR 2021 | 全新Backbone！ReXNet：助力CV任务全面涨点 CVer今天 以下文章来源于AI人工智能初学者，作者ChaucerG AI人工智能初学者 机器学习知识点总结、深度学习知识点总结以及相关垂直领域的跟进，比如CV，NLP等方面的知识。 点击下方卡片，关注“CVer”公众号 AI/CV重磅干货，第一时间送达 CVer 一个专注侃侃计算机视觉方向的公众号。计算机视觉、图像处理、机器学习、深度学习、C/C++、Python、诗和远方等。 193篇原创内容..
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值