我正在使用单次探测器(SSD),更具体地说这个实现 https://github.com/pierluigiferrari/ssd_keras在喀拉斯。
当我检查 SSD300 时(正如我注意到的,这也适用于 SSD512),我注意到在每个卷积组之后都会有一个减少特征图维度的最大池化。到目前为止一切顺利,但在第 5 组卷积层之后(准确地说是在 conv5_3 层之后),应用的最大池化使用步幅 1。我无法在原作 https://github.com/weiliu89/caffe/tree/ssdSSD 是用 caffe 编写的,我对此不熟悉。这意味着(添加填充后)特征图尺寸不会减小。此外,最大池化层中的过滤器数量与之前相同,并且内核大小增加为(3,3)
(from (2,2)
.
据我所知,这意味着这个最大池化层既不用于降低维度,也不用于减少(或无论如何改变)过滤器的数量。因此,它仅用于在特征图中应用最大池化过滤器。有谁知道为什么这是必要的?或者为了让它更正确,这样一层的目的是什么?我的猜测是,它可以完全删除,我预计性能不会有太大差异,但老实说我还没有检查过。
我在这里可能会缺少什么想法吗?
这样的过滤器会突出最强的特征并丢弃较弱的特征,但不会降低其维度。意义取决于接下来几层发生的事情。
理论上,会出现裁员……
根据输入的大小,降维可能是不可取的,因为您可能会丢失任何特征。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)