MaxeeoveCR的博客

网络结构在DHW三维上构建window进行self-attention提取，所以同时提取了spatial和temporal两个维度的关联性SwinTransformer3Dpatch_embed: PatchEmbed3D 将输入三维信号切分成多个3d-patch，patch_size默认(2,4,4)，对每个patch使用3d-conv进行特征提取并降采样padding：对无法被patch_size整除维度进行填零paddingself.proj = conv3d(3, 96, ke.

网络分成slow pathway和fast pathway分别对spatial和temporal维度特征进行提取Backbonefast_pathway:x_fastnn.functional.interpolate(): Fast pathway在时间维度进行密集采样，空间维度不变。self.slow_path.conv1: kernel=(5,7,7) 输出尺度 e.g. (N_fast,64,5,H,W)x_fast_lateral: ConvModule(kernel_size

思路1.对所有Pred框依据置信度排序2.遍历所有Pred框3.计算Pred当前框P(i)和其余候选框P(j)的IOU4.如果IOU>thresh，从预测框集合中剔除P(j)代码//构造函数、析构函数、拷贝构造函数、运算符重载函数、取地址符重载函数、const修饰的取地址符重载函数Class Rect{ Rect(){}; Rect(int x, int y, int w, int h, float score) { this->x = x; this->y

卷积 vs. 深度可分离卷积（FLOPs计算量）FLOPs（FLoat Point OPerations）浮点计算量1.二维卷积输入特征图：(H,W,Cin)(H,W,C_{in})(H,W,Cin​)卷积核：(K,Cout)(K,C_{out})(K,Cout​)，步长为SSS，Padding为PPP输出特征图：(Hout,Wout,Cout)(H_{out},W_{out},C_{out})(Hout​,Wout​,Cout​)其中Hout=(H+2∗P−K+1)/SH_{out}