Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺
项目地址（GitHub）：https://github.com/Ranking666/Yolov5-Processing
~~~欢迎各位交流、star、fork、issues~~~
项目介绍：
本仓库是基于官方yolov5源码的基础上，进行的改进。
目前支持更换yolov5的backbone主干网络为Ghostnet，以及采用eagleeye的剪枝方法支持对yolov5系列的剪枝。
后续，将会添加更多更轻量，更优秀的主干网络，比如swintrans，EfficientNet等，以及其他剪枝方法，以及量化，蒸馏对于yolov5系列的支持。
欢迎大家有问题，错误，想法都可以积极交流，探讨，学习，本项目长期维护，持续更新，各位的star，就是对本项目的大力支持。
《GhostNet: More Features from Cheap Operations》
先简单介绍一下，目前支持的backbone
在一张图像中存在着很多像素的冗余，而在CNN模型中这种冗余更是非常多的，提取到了大量无用的特征。
比如论文中给到的这个图，可以看到用扳手连接的几张图其实是非常相似的，完全是冗余的，不需要的
于是本论文提出一个仅通过少量计算（cheap operations）就能生成大量特征图的结构——Ghost Module。
Ghost Module可以适用在任何大型的CNN模型中，已经可以达到即插即用的效果。
首先，作者将原来的卷积分为两步，第一步还是卷积，只不过输出通道数减少了；第二步是用第一步生成的特征图通过线性变化，来生成剩余的特征图。最后将两步的输出通道结合输出。也就是像图中b表示的这样
然后，作者通过一系列计算得出计算量是减少的，具体公式这里就不列出。
了解了Ghost Module，下面看Ghost Bottlenecks。
Ghost Bottlenecks的作用和残差块的作用一样，结构也和残差块的结构类似 ，就不过多介绍， 大家看过代码一下就能懂
所以，backbone就是由这样的Ghost Bottlenecks堆叠产生的。
EagleEye: Fast Sub-net Evaluation for Efficient Neural Network Pruning
详细大家可以看之前的初入神经网络剪枝量化3
如有错误，欢迎各位批评指正！！！
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/170748.html原文链接：https://javaforall.net
