DetNAS ThunderNet

AI算法网奇

于 2019-12-19 21:20:10 发布

阅读量2.4k

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习宝典

本文链接：https://blog.youkuaiyun.com/jacke121/article/details/103623691

深度学习宝典专栏收录该内容

1039 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

DetNAS是旷视提出的一种用于搜索物体检测Backbone的新方法，旨在优化网络性能。该技术已在1070 GPU上进行验证，640 batch大小时，运行速度为30ms，且作者对网络的通道数量进行了调整。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

DetNAS是backbone，旷世的首个搜索物体检测Backbone的方法

https://github.com/megvii-model/DetNAS

https://github.com/megvii-model/DetNAS/blob/d2298d7b05b2ea145f373209a0500617b0336ea9/maskrcnn_benchmark/modeling/backbone/detnasnet.py

1070上640 batch：6 30ms

我把后面通道调少了

import torch
import torch.nn as nn
from shuffle_blocks import ConvBNReLU, ShuffleNetV2BlockSearched, blocks_key, FC
import numpy as np

class ShuffleNetV2DetNAS(nn.Module):
    def __init__(self, model_size='DETNAS

了解本专栏

超级会员免费看