Cross Stage Partial Network(CSPNet)

一. 論文簡介

降低計算量，同時保持或提升精度

主要做的貢獻如下(可能之前有人已提出)：

提出一種思想，特征融合方式(降低計算量的同時保證精度)

二. 模塊詳解

2.1 論文思路簡介

論文其實非常簡單，和shufflenetV2中的InvertedResidual基本差不多，只不過這是一種思想，可以擴展到FPN、DenseBlock、ResBlock之類的結(jié)構(gòu)中。

畫個簡圖，核心思想就是將輸入切分，后面怎么操作就看個人需求了，當然這是試驗得到的結(jié)果

關(guān)于推導部分，筆者認為不嚴謹。深度學習本身就是一門試驗學科，你強你上，理論都是試驗結(jié)果出來再去推導(湊)。

下圖是將CSP結(jié)合到FPN之中

---

2.2 具體實現(xiàn)

2.2.1 具體實現(xiàn)

[](https://github.com/WongKinYiu/CrossStagePartialNetworks/issues/24)

三. 參考文獻

• 原始論文

總結(jié)

以上是生活随笔為你收集整理的Cross Stage Partial Network(CSPNet)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。