CSPNet通过将梯度的变化从头到尾地集成到特征图中，在减少了计算量的同时可以保证准确率。CSPNet是一种处理的思想，可以和ResNet、ResNeXt和DenseNet结合。...下图是cspnet对不同backbone结合后的效果，可以看出计算量大幅下降，准确率保持不变或者略有提升（ps: 分类的提升确实不多） ? 下图是CSPNet用于目标检测的结果： ?...AlexeyAB版本的darknet的首页就是这张图，使用CSPNet做backbone可以极大提升模型的准确率，在同等FPS的情况下，CSPNet准确率更有竞争力。...下表是CSPNet对特征融合方式所进行的消融实验： ?...CSPNet特征融合方式的消融实验 作者还做了非常多的实验来验证CSPNet的有效性，下图是在ImageNet中的一些SOTA模型： 作者还做了非常多的实验来验证CSPNet的有效性，下图是在分类网络中的对比试验
CSPNet A New Backbone that can Enhance Learning Capability of CNN。...为了解决这个问题，CSPNet采用了一种称为“Cross Stage Partial”的模块结构，通过在CNN的不同阶段引入部分连接来加强底层和顶层之间的信息流动。...具体来说，CSPNet的主体结构由两个关键组件组成：CSP组件和残差组件。CSP组件包括一个卷积层和一个跨阶段部分连接层，用于引导底层特征与顶层特征的融合。...论文的主要贡献包括： 提出了一种新的CNN网络结构CSPNet，通过引入Cross Stage Partial模块来增强网络的学习能力和改善信息传递效果。...在多个经典的图像分类数据集上进行了实验，并与其他流行的网络结构进行了对比，证明了CSPNet具有显著的性能提升。
groups for [route] layer for CSP - EFM: http://openaccess.thecvf.com/content_CVPRW_2020/papers/w28/Wang_CSPNet_A_New_Backbone_That_Can_Enhance_Learning_Capability_of_CVPRW...github，直接和AlexeyAB对线交流，他回复的相当及时，链接如下，推荐直接交流： https://github.com/AlexeyAB/darknet/issues/6067 从上面的回复，我才知道CSPNet...收录到了CVPR 2020 Workshop，个人非常喜欢这篇论文，不管是YOLOv4还是后面所谓的"YOLOv5"，都用到了CSPNet，贡献涨点很明显！...推荐精读这篇论文： http://openaccess.thecvf.com/content_CVPRW_2020/papers/w28/Wang_CSPNet_A_New_Backbone_That_Can_Enhance_Learning_Capability_of_CVPRW
作者丨Happy 编辑丨极市平台 导读 本文是YOLOv4的原班人马（包含CSPNet一作与YOLOv4一作AB大神）在YOLO系列的继续扩展，从影响模型扩展的几个不同因素出发，提出了两种分别适合于低端...CSPNet可以应用与不同的CNN架构中，且可以降低参数量与计算量，同时还可以提升精度与降低推理耗时。...如果把CSPNet设计思想用到DenseNet或者R二十Net架构中，由于第层的输出是到的集成融合，我们必须把完整的计算模块当做一个整体来看待。...由于OSANet的计算模块属于PlainNet架构的范畴，这就使得CSPNet的任一层都可以得到有效的梯度截断。...CSPNet：https://arxiv.org/abs/1911.11929 10. YOLOv4: https://arxiv.org/abs/2004.10934 11.
---- 【5】CSPNet：可以增强CNN学习能力的新型Backbone 《CSPNet: A New Backbone that can Enhance Learning Capability...1911.11929 代码：https://github.com/WongKinYiu/CrossStagePartialNetworks 注1：本文之前CVer推送过，但那时还没有开源，现在CSPNet
CSPNet叫做Cross Stage Partial Network，跨阶段局部网络。其解决了其他大型卷积网络结构中的重复梯度问题，减少模型参数和FLOPS。...CSPNet的作者认为推理计算过高的问题是由于网络优化中的梯度信息重复导致的。...CSPNet叫做Cross Stage Partial Network，跨阶段局部网络。其解决了其他大型卷积网络结构中的重复梯度问题，减少模型参数和FLOPS。...但如上面CSPNet结构中讲到，Yolov5和Yolov4的不同点在于， Yolov4的Neck结构中，采用的都是普通的卷积操作。...而Yolov5的Neck结构中，采用借鉴CSPnet设计的CSP2_X结构，加强网络特征融合的能力。 ?
1、设计机制 该检测器的设计机制包括： Anchor free无锚盒机制 可扩展的backbone和neck，由CSPRepResStage(CSPNet+RMNet)构成 使用Varifocal Loss...CSPNet利用跨阶段Dense Connections来降低计算负担，在不损失精度的情况下降低计算负担，这种方式在YOLOv4、YOLOv5上被使用，且证明是有效的。...4、总结 YOLOE共涉及到了几项改进： Anchor free无锚盒机制 可扩展的backbone和neck，由CSPRepResStage(CSPNet+RMNet)构成 使用Varifocal Loss
水平边界框上的滑动顶点【2】SM-NAS：结构到模块的神经体系结构搜索以进行目标检测【3】基于PSNet和边框回归的弱监督目标检测(WSOD)【4】带有可见IoU和Box Sign预测器的遮挡性行人检测【5】CSPNet...Box Sign Predictor》时间：20191127作者团队：清华大学链接：https://arxiv.org/abs/1911.11449注：性能优于OR-CNN等网络网络结构----【5】CSPNet...：可以增强CNN学习能力的新型Backbone《CSPNet: A New Backbone that can Enhance Learning Capability of CNN》时间：20191128
CSPNet可以应用于各种CNN架构，同时减少了参数和计算量。此外，它还提高了准确性，减少了推理时间。我们将它应用到ResNet、ResNeXt和Darknet中，观察计算量的变化，如表2所示。...从表2所示的图中可以看出，将上述CNNs转换为CSPNet后，新的架构可以有效地减少ResNet、ResNeXt和Darknet上的计算量(FLOPs)，分别减少23.5%、46.7%和50.0%。...如果我们将原来的CSPNet设计应用到DenseNet或ResNet架构上，由于这两种架构的第j层输出是第1层到(j−1)层输出的积分，我们必须将整个计算块作为一个整体来处理。...由于OSANet的计算块与平面网结构相匹配，从计算块的任意层构造CSPNet都可以达到梯度截断的效果。
（cspnet减少了计算量的同时可以保证准确率） Mish函数为 M i s h = x ∗ t a n h ( l n ( 1 + e x ) ) Mish = x * tanh(ln(1+e^x))...CSP结构 Yolov4借鉴了CSPNet的设计思路，在主干网络中设计了CSP结构，但只有主干网络使用了CSP结构。...CSPNet通过将梯度的变化从头到尾地集成到特征图中，在减少了计算量的同时可以保证准确率。...CSPNet和PRN都是一个思想，将feature map拆成两个部分，一部分进行卷积操作，另一部分和上一部分卷积操作的结果进行concate。...而Yolov5的Neck结构中，采用借鉴CSPnet设计的CSP2结构，加强网络特征融合的能力。
backbone CSPDarknet53是Darknet53结合了CSPNet，CSPNet实际上是基于Densnet的思想，复制基础层的特征映射图，通过dense block发送副本到下一个阶段，从而将基础层的特征映射图分离出来
YOLO v5各组成部分包括的基础组件有： CBL：由Conv+BN+Leaky_relu激活函数组成 Res unit：借鉴ResNet网络中的残差结构，用来构建深层网络 CSP1_X：借鉴CSPNet...网络结构，该模块由CBL模块、Res unint模块以及卷积层、Concate组成 CSP2_X：借鉴CSPNet网络结构，该模块由卷积层和X个Res unint模块Concate组成而成 Focus：...2 CSP结构 CSPNet主要是将feature map拆成两个部分，一部分进行卷积操作，另一部分和上一部分卷积操作的结果进行concate。...在分类问题中，使用CSPNet可以降低计算量，但是准确率提升很小；在目标检测问题中，使用CSPNet作为Backbone带来的提升比较大，可以有效增强CNN的学习能力，同时也降低了计算量。...YOLO v5的Neck仍采用了FPN+PAN结构，但是在它的基础上做了一些改进操作，YOLO v4的Neck结构中，采用的都是普通的卷积操作，而YOLO v5的Neck中，采用CSPNet设计的CSP2
YOLOX、YOLOR 等方法专注于提高各种 GPU 的推理速度；实时目标检测器的发展集中在高效架构的设计上，为 GPU 开发的实时目标检测器则大多使用 ResNet、DarkNet 或 DLA，并使用 CSPNet
图片CSPNet和PRN都是一个思想，将feature map拆成两个部分，一部分进行卷积操作，另一部分和上一部分卷积操作的结果进行concate在网络的颈部，采用的是：FPN+PAN结构，进行丰富的特征融合
，CSPNet全称是Cross Stage Partial Networks，也就是跨阶段局部网络。...CSPNet解决了其他大型卷积神经网络框架Backbone中网络优化的梯度信息重复问题，将梯度的变化从头到尾地集成到特征图中，因此减少了模型的参数量和FLOPS数值，既保证了推理速度和准确率，又减小了模型尺寸...CSPNet实际上是基于Densnet的思想，复制基础层的特征映射图，通过dense block发送副本到下一个阶段，从而将基础层的特征映射图分离出来。...CSPNet思想可以和ResNet、ResNeXt和DenseNet结合，目前主要有CSPResNext50 和CSPDarknet53两种改造Backbone网络。...CSPNet论文： https://arxiv.org/pdf/1911.11929v1.pdf 为了增大感受野，作者还使用了SPP-block，使用PANet代替FPN进行参数聚合以适用于不同level
此外，当将网络切换到先进的 YOLOv5 架构，该架构采用先进的 CSPNet 骨干以及一个额外的 PAN 头，YOLOX-L 在 COCO 数据集、图像分辨率为 640 × 640 获得 50.0%...改进 YOLOv5 中的 CSPNet 为了公平的进行比较，该研究采用 YOLOv5 骨干，包括改进的 CSPNet、SiLU 激活函数、PAN 头。
1.1.3 CSPDarkNet53 1.1.3.1 CSPNet 论文链接：https://arxiv.org/abs/1911.11929 CSPNet被提出的主要目的是为了保证在模型检测和识别精度没有下降的情况下...1.1.3.3 C3模块 YOLOv4和YOLOv5均借鉴了CSPNet的思想，将其运用于DarkNet53骨干网络。...但是YOLOv4和YOLOv5的Backbone虽然借鉴了CSPNet，但实际上并没有按照CSPNet原论文中那样将输入的特征图在通道维度上划分成两个部分。
GELAN通过结合两种神经网络架构，即结合用梯度路径规划（CSPNet）和（ELAN）设计了一种广义的高效层聚合网络（GELAN）；GELAN综合考虑了轻量级、推理速度和准确度。
20191127 作者团队：清华大学 链接：https://arxiv.org/abs/1911.11449 注：性能优于OR-CNN等网络 网络结构 ---- 【5】CSPNet...：可以增强CNN学习能力的新型Backbone 《CSPNet: A New Backbone that can Enhance Learning Capability of CNN》 时间：20191128
至于 ResNet、CSPNet 和 GELAN 能够保留的重要信息比例，确实与训练后能够获得的准确性正相关。研究者进一步设计了基于可逆网络的方法来解决上述问题的原因。...GELAN 网络 此外，该研究还提出了一个新的网络架构 GELAN（如下图所示），具体而言，研究者把 CSPNet、 ELAN 这两种神经网络架构结合起来，从而设计出兼顾轻量级、推理速度和准确性的通用高效层聚合网络
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
