改进YOLO系列:YOLOv5结合转置卷积,实现小目标涨点

改进YOLO系列:YOLOv5结合转置卷积,实现小目标涨点

  • 一、概述
    • 2D 反卷积;
    • 参数
  • 添加深度可分离的转置卷积
    • 添加方式
  • 建议

一、概述

该函数是用来进行转置卷积的,它主要做了这几件事:首先,对输入的feature map进行padding操作,得到新的feature map;然后,随机初始化一定尺寸的卷积核;最后,用随机初始化的一定尺寸的卷积核在新的feature map上进行卷积操作。
补充一下,卷积核确实是随机初始的,但是后续可以对卷积核进行单独的修改,比如使用双线性卷积核,这样的话卷积核的参数是固定的,不可以进行学习修改。
下面对上面的过程进行演示。

2D 反卷积;

该模块可以被视为 Conv2d 相对于其输入的梯度,也被称为分数跨步卷积或反卷积(尽管不是真正意义的反卷积,因为不计算卷积的真逆)。更多见 here 论文Deconvolutional Networks

参数

in_channels ([int]) – 输入通道数
out_channels

你可能感兴趣的:(YOLOv8,YOLO5系列改进专栏,深度学习,cnn,计算机视觉)