mmdet与pytorch新建卷积层

最新推荐文章于 2024-10-29 21:33:05 发布

ydestspring

最新推荐文章于 2024-10-29 21:33:05 发布

阅读量2.1k

点赞数 6

CC 4.0 BY-SA版权

分类专栏： mmdet pytorch 文章标签： pytorch 深度学习卷积神经网络

本文链接：https://blog.youkuaiyun.com/ydestspring/article/details/126750429

mmdet 同时被 2 个专栏收录

6 篇文章

订阅专栏

pytorch

5 篇文章

订阅专栏

本文介绍了在Pytorch和MMDetection（mmdet）框架下如何新建卷积层。在Pytorch中，通常使用nn.Conv2d、nn.BatchNorm2d和nn.ReLU构建卷积层。而在mmdet中，利用ConvModule模块，可以包含卷积、归一化和激活。特别地，mmdet示例中展示了如何启用可变卷积（DCNv2）。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

两个框架均可以新建卷积层

mmdet调用并再次封装了pytorch

一、pytorch

torch新建卷积层，通过nn模块，通常是conv2d，batchnorm2d，relu三件套，即卷积、归一化、激活。

    def dilate_conv(self):
        layers=[]
        layers.append(nn.Conv2d(64,64,kernel_size=3,stride=1,padding=1,dilation=1))
        layers.append(nn.BatchNorm2d(64))
        layers.append(nn.ReLU(inplace=True))
        return nn.Sequential(*layers)

Conv2d的参数含义依次为：

输入特征通道，输出特征通道，卷积核尺寸，stride，pding，dilation

dilation用于设置膨胀卷积，默认值为1，dilation为1时即为普通卷积

BatchNormd的参数，通常只写一个，即输入通道数，输出和输入一样

relu不需要参数。

二、mmdet

mmdet新建卷积层通常用ConvModule模块

conv_module = ConvModule(
                self.in_channel,
                feat_channel,
                3,
                padding=1,
                conv_cfg=dict(type='DCNv2') if self.use_dcn else None,
                norm_cfg=dict(type='BN'))

该模块和nn三件套等效，包含了卷积、归一化、激活

上述代码中，特殊之处在于conv_cfg，这里设置的是DCNv2，即可变卷积

norm_cfg为归一化配置，这里也是batchnorm

激活层默认为relu，可以不写。