当前位置: 首页 > news >正文

巴音郭楞库尔勒网站建设网站登录页做多大尺寸的

巴音郭楞库尔勒网站建设,网站登录页做多大尺寸的,杭州小程序托管公司,陕西四通建设工程有限责任公司网站系列文章目录 yolov7训练添加spd-conv 文章目录 系列文章目录一、spd-conv是什么#xff1f;二、使用步骤1.第一步#xff1a;先在models/common.py加上2.第二步#xff1a;models/yolo.py加上2.第三步#xff1a;修改yolov7的yaml文件 总结 提示#xff1a;以下是本篇文…系列文章目录 yolov7训练添加spd-conv 文章目录 系列文章目录一、spd-conv是什么二、使用步骤1.第一步先在models/common.py加上2.第二步models/yolo.py加上2.第三步修改yolov7的yaml文件 总结 提示以下是本篇文章正文内容下面案例可供参考 一、spd-conv是什么 SPD-Conv是一种新的构建块用于替代现有的CNN体系结构中的步长卷积和池化层。它由一个空间到深度(SPD)层和一个非步长卷积(Conv)层组成。 空间到深度SPD层的作用是将输入特征图的每个空间维度降低到通道维度同时保留通道内的信息。这可以通过将输入特征图的每个像素或特征映射到一个通道来实现。在这个过程中空间维度的大小会减小而通道维度的大小会增加。 非步长卷积(Conv)层是一种标准的卷积操作它在SPD层之后进行。与步长卷积不同非步长卷积不会在特征图上移动而是对每个像素或特征映射进行卷积操作。这有助于减少在SPD层中可能出现的过度下采样问题并保留更多的细粒度信息。 SPD-Conv的组合方式是将SPD层和Conv层串联起来。具体来说输入特征图首先通过SPD层进行转换然后输出结果再通过Conv层进行卷积操作。这种组合方式可以在不丢失信息的情况下减少空间维度的尺寸同时保留通道内的信息有助于提高CNN对低分辨率图像和小型物体的检测性能。 总结起来SPD-Conv是一种新的构建块旨在解决现有CNN体系结构中步长卷积和池化层的问题。它由一个空间到深度(SPD)层和一个非步长卷积(Conv)层组成能够提高模型对低分辨率图像和小型物体的检测性能并降低对“良好质量输入的依赖。 二、使用步骤 1.第一步先在models/common.py加上 class space_to_depth(nn.Module):# Changing the dimension of the Tensordef __init__(self, dimension1):super().__init__()self.d dimensiondef forward(self, x):return torch.cat([x[..., ::2, ::2], x[..., 1::2, ::2], x[..., ::2, 1::2], x[..., 1::2, 1::2]], 1)2.第二步models/yolo.py加上 elif m is space_to_depth:c2 4 * ch[f]同时在769行里面加入space to death 全部代码 if m in [nn.Conv2d, Conv, RobustConv, RobustConv2, DWConv, GhostConv, RepConv, RepConv_OREPA, DownC,SPP, SPPF, SPPCSPC, GhostSPPCSPC, MixConv2d, Focus, Stem, GhostStem, CrossConv,Bottleneck, BottleneckCSPA, BottleneckCSPB, BottleneckCSPC,RepBottleneck, RepBottleneckCSPA, RepBottleneckCSPB, RepBottleneckCSPC,Res, ResCSPA, ResCSPB, ResCSPC,RepRes, RepResCSPA, RepResCSPB, RepResCSPC,ResX, ResXCSPA, ResXCSPB, ResXCSPC,RepResX, RepResXCSPA, RepResXCSPB, RepResXCSPC,Ghost, GhostCSPA, GhostCSPB, GhostCSPC,SwinTransformerBlock, STCSPA, STCSPB, STCSPC,SwinTransformer2Block, ST2CSPA, ST2CSPB, ST2CSPC,Conv_ATT,SPPCSPC_ATT,CBAM]:c1, c2 ch[f], args[0]if c2 ! no: # if not outputc2 make_divisible(c2 * gw, 8)args [c1, c2, *args[1:]]if m in [DownC, SPPCSPC, GhostSPPCSPC,BottleneckCSPA, BottleneckCSPB, BottleneckCSPC,RepBottleneckCSPA, RepBottleneckCSPB, RepBottleneckCSPC,ResCSPA, ResCSPB, ResCSPC,RepResCSPA, RepResCSPB, RepResCSPC,ResXCSPA, ResXCSPB, ResXCSPC,RepResXCSPA, RepResXCSPB, RepResXCSPC,GhostCSPA, GhostCSPB, GhostCSPC,STCSPA, STCSPB, STCSPC,ST2CSPA, ST2CSPB, ST2CSPC,space_to_depth]:args.insert(2, n) # number of repeatsn 1elif m is nn.BatchNorm2d:args [ch[f]]elif m is Concat:c2 sum([ch[x] for x in f])elif m is Chuncat:c2 sum([ch[x] for x in f])elif m is Shortcut:c2 ch[f[0]]elif m is Foldcut:c2 ch[f] // 2elif m in [Detect, IDetect, IAuxDetect, IBin, IKeypoint]:args.append([ch[x] for x in f])if isinstance(args[1], int): # number of anchorsargs[1] [list(range(args[1] * 2))] * len(f)elif m is ReOrg:c2 ch[f] * 4elif m is Contract:c2 ch[f] * args[0] ** 2elif m is Expand:c2 ch[f] // args[0] ** 2elif m is space_to_depth:c2 4 * ch[f]else:c2 ch[f]2.第三步修改yolov7的yaml文件 # parameters nc: 80 # number of classes depth_multiple: 1.0 # model depth multiple width_multiple: 1.0 # layer channel multiple# anchors anchors:- [12,16, 19,36, 40,28] # P3/8- [36,75, 76,55, 72,146] # P4/16- [142,110, 192,243, 459,401] # P5/32# yolov7 backbone backbone:# [from, number, module, args][[-1, 1, Conv, [32, 3, 1]], # 0[-1, 1, Conv, [64, 3, 2]], # 1-P1/2[-1, 1, Conv, [64, 3, 1]],[-1, 1, Conv, [128, 3, 2]], # 3-P2/4[-1, 1, Conv, [64, 1, 1]],[-2, 1, Conv, [64, 1, 1]],[-1, 1, Conv, [64, 3, 1]],[-1, 1, Conv, [64, 3, 1]],[-1, 1, Conv, [64, 3, 1]],[-1, 1, Conv, [64, 3, 1]],[[-1, -3, -5, -6], 1, Concat, [1]],[-1, 1, Conv, [256, 1, 1]], # 11[-1, 1, MP, []],[-1, 1, Conv, [128, 1, 1]],[-3, 1, Conv, [128, 1, 1]],[-1, 1, Conv, [128, 3, 2]],[[-1, -3], 1, Concat, [1]], # 16-P3/8[-1, 1, Conv, [128, 1, 1]],[-2, 1, Conv, [128, 1, 1]],[-1, 1, Conv, [128, 3, 1]],[-1, 1, Conv, [128, 3, 1]],[-1, 1, Conv, [128, 3, 1]],[-1, 1, Conv, [128, 3, 1]],[[-1, -3, -5, -6], 1, Concat, [1]],[-1, 1, Conv, [512, 1, 1]], # 24[-1, 1, MP, []],[-1, 1, Conv, [256, 1, 1]],[-3, 1, Conv, [256, 1, 1]],[-1, 1, Conv, [256, 3, 2]],[[-1, -3], 1, Concat, [1]], # 29-P4/16[-1, 1, Conv, [256, 1, 1]],[-2, 1, Conv, [256, 1, 1]],[-1, 1, Conv, [256, 3, 1]],[-1, 1, Conv, [256, 3, 1]],[-1, 1, Conv, [256, 3, 1]],[-1, 1, Conv, [256, 3, 1]],[[-1, -3, -5, -6], 1, Concat, [1]],[-1, 1, Conv, [1024, 1, 1]], # 37[-1, 1, MP, []],[-1, 1, Conv, [512, 1, 1]],[-3, 1, Conv, [512, 1, 1]],[-1, 1, Conv, [512, 3, 2]],[[-1, -3], 1, Concat, [1]], # 42-P5/32[-1, 1, Conv, [256, 1, 1]],[-2, 1, Conv, [256, 1, 1]],[-1, 1, Conv, [256, 3, 1]],[-1, 1, Conv, [256, 3, 1]],[-1, 1, Conv, [256, 3, 1]],[-1, 1, Conv, [256, 3, 1]],[[-1, -3, -5, -6], 1, Concat, [1]],[-1, 1, Conv, [1024, 1, 1]], # 50]# yolov7 head head:[[-1, 1, SPPCSPC, [512]], # 51[-1, 1, Conv, [256, 1, 1]],[-1, 1, nn.Upsample, [None, 2, nearest]],[37, 1, Conv, [256, 1, 1]], # route backbone P4[[-1, -2], 1, Concat, [1]],[-1, 1, Conv, [256, 1, 1]],[-2, 1, Conv, [256, 1, 1]],[-1, 1, Conv, [128, 3, 1]],[-1, 1, Conv, [128, 3, 1]],[-1, 1, Conv, [128, 3, 1]],[-1, 1, Conv, [128, 3, 1]],[[-1, -2, -3, -4, -5, -6], 1, Concat, [1]],[-1, 1, Conv, [256, 1, 1]], # 63[-1, 1, Conv, [128, 1, 1]],[-1, 1, nn.Upsample, [None, 2, nearest]],[24, 1, Conv, [128, 1, 1]], # route backbone P3[[-1, -2], 1, Concat, [1]],[-1, 1, Conv, [128, 1, 1]],[-2, 1, Conv, [128, 1, 1]],[-1, 1, Conv, [64, 3, 1]],[-1, 1, Conv, [64, 3, 1]],[-1, 1, Conv, [64, 3, 1]],[-1, 1, Conv, [64, 3, 1]],[[-1, -2, -3, -4, -5, -6], 1, Concat, [1]],[-1, 1, Conv, [128, 1, 1]], # 75[-1, 1, MP, []],[-1, 1, Conv, [128, 1, 1]],[-3, 1, Conv, [128, 1, 1]],[-1, 1, Conv, [128, 3, 2]],[[-1, -3, 63], 1, Concat, [1]],[-1, 1, Conv, [256, 1, 1]],[-2, 1, Conv, [256, 1, 1]],[-1, 1, Conv, [128, 3, 1]],[-1, 1, Conv, [128, 3, 1]],[-1, 1, Conv, [128, 3, 1]],[-1, 1, Conv, [128, 3, 1]],[[-1, -2, -3, -4, -5, -6], 1, Concat, [1]],[-1, 1, Conv, [256, 1, 1]], # 88[-1, 1, MP, []],[-1, 1, Conv, [256, 1, 1]],[-3, 1, Conv, [256, 1, 1]],[-1, 1, Conv, [256, 3, 2]],[[-1, -3, 51], 1, Concat, [1]],[-1, 1, Conv, [512, 1, 1]],[-2, 1, Conv, [512, 1, 1]],[-1, 1, Conv, [256, 3, 1]],[-1, 1, Conv, [256, 3, 1]],[-1, 1, Conv, [256, 3, 1]],[-1, 1, Conv, [256, 3, 1]],[[-1, -2, -3, -4, -5, -6], 1, Concat, [1]],[-1, 1, Conv, [512, 1, 1]], # 101[-1,1,space_to_depth,[1]], # 2 -P2/4[-1, 1, Conv, [512, 1, 1]], # 103[75, 1, RepConv, [256, 3, 1]],[88, 1, RepConv, [512, 3, 1]],[103, 1, RepConv, [1024, 3, 1]],[[104,105,106], 1, IDetect, [nc, anchors]], # Detect(P3, P4, P5)] 总结 以上只是·简单添加了一层spd需要添加多层spd-con可以直接修改yolov7的yaml配置文件不需要修改其他。
http://www.yingshimen.cn/news/82686/

相关文章:

  • 网站上传权限昆明官网seo服务
  • 河北新亚建设集团网站与网站建设有关的招标文件
  • 做网站手机端如何更新广告平台网
  • 网站开发包括后台 前台大型网站tag标签 索引
  • 苍南县龙港哪里有做网站wordpress编辑器添加可视化按钮
  • 电子商务网站建设平台网站开发前端兼职
  • 网站建设十胜石阿图什网站
  • 长沙企业网站设计wordpress cdn无作用
  • 网站建设是设计师吗社保服务个人网站
  • 有哪些商业网站wordpress注册网址
  • 自己本地可以做网站服务器兰州网站制作成都
  • 装修公司企业网站开发规划可以做微商的网站
  • 做百度手机网站点击如何做属于自己的领券网站
  • 内乡微网站开发服装市场调网站建设的目的
  • 网站底部备案字体设置wordpress提示更新失败
  • 旅游门户网站建设意义杭州安卓软件开发
  • 公众号网站怎么做的网络类黄页
  • 企业网站建站意义网络与智能媒体设计 干什么?
  • 建设优化网站中国建筑英才网官网手机版
  • 视频网站为什么有人做1m带宽网站支持多少人同时在线
  • 公司如何建设一个网站特色网站建设
  • 绩效管理网站开发wordpress心情插件
  • 网站建设的基本概念网络营销软件推广
  • 做网站vi系统是什么绍兴建站模板厂家
  • 网站一直做竞价么制作软件的公司叫什么
  • 网站美工和平面设计师之路网站建设
  • 惠州惠城区建设网站wordpress 百度蜘蛛
  • 常州微网站加强图书馆网站建设
  • 长沙企业网站建设品牌番禺龙美村做网站
  • 做网站维护工商经营范围是什么seo短视频网页入口营销