搜狗站长工具综合查询,成都短视频代运营,如何设计网络,济南代理公司注册本研究是有由UC Berkeley的Trevor Darrell组发表于2018年CVPR。因为#xff0c;工作中应用到CenterNet#xff0c;文章中使用了DLA作为backbone#xff0c;能够以较高的速度完成推理并维持较高的AP。
DLA文章#xff1a;论文
DLA
在实际操作中#xff0c;常常将高级特征…本研究是有由UC Berkeley的Trevor Darrell组发表于2018年CVPR。因为工作中应用到CenterNet文章中使用了DLA作为backbone能够以较高的速度完成推理并维持较高的AP。
DLA文章论文
DLA
在实际操作中常常将高级特征和低级特征进行融合。 如上图所示常用的融合方法为DC与FP其中Dense Connections来自DenseNet可以聚合语义信息。Feature Pyramids空间特征金字塔可以聚合空间信息。DLA同时结合以上两点提出了一种树形双向融合结构。
DLA 网络结构 DLA结构由 五大部分组成base_layer是前两个方块进行快速的下采样后面四个红框每一个红框是一个Tree-树结构树结构之间也同时存在流动如 橙色箭头线上采样所示将上一级的Tree的图像上采样之后融合。
总结一下
红色框代表的是用树结构链接的层次结构能够更好地传播特征和梯度。橙色链接代表的是IDA负责链接相邻两个stage的特征让深层和浅层的表达能更好地融合。蓝色连线代表进行了下采样
