BiFPN可以作为一个常备块在修改网络时使用。在用代码实现BiFPN之前，我们需要对其网络结构及细节原理有一个清晰的认识，下图时BiFPN的原理图：
该图清晰明了的阐明了BiFPN的数据流向，下面做进一步具体分析：
- 图中所有Add操作均为用可学习的权重参数进行加权特征融合而非直接的Add相加，也就是每融合一次，都要进行一次加权求和。由于权重的无界性，如果将特征直接乘以权重相加会造成训练的不稳定。因此，采用权重归一化的方式进行融合，以p6_td和p6_out为例，其Add操作的公式如下：
- p3，p4，p5为Backbone的3个stage输出的特征层。p6_in是由p5降采样得到的，p7_in是由p6_in降采样得到的。p3_in、p4
最后
以上就是合适音响最近收集整理的关于浅谈BiFPN结构并在mmdetection中从Registry开始逐步实现的全部内容，更多相关浅谈BiFPN结构并在mmdetection中从Registry开始逐步实现内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
![[上下文建模系列]Inside-outside net](https://file2.kaopuke.com:8081/files_image/reation/bcimg13.png)
发表评论 取消回复