大家還記得這張圖嗎？

讓客戶滿意是我們工作的目標(biāo)，不斷超越客戶的期望值來(lái)自于我們對(duì)這個(gè)行業(yè)的熱愛(ài)。我們立志把好的技術(shù)通過(guò)有效、簡(jiǎn)單的方式提供給客戶，將通過(guò)不懈努力成為客戶在信息化領(lǐng)域值得信任、有價(jià)值的長(zhǎng)期合作伙伴，公司提供的服務(wù)項(xiàng)目有：申請(qǐng)域名、雅安服務(wù)器托管、營(yíng)銷(xiāo)軟件、網(wǎng)站建設(shè)、德宏州網(wǎng)站維護(hù)、網(wǎng)站推廣。

深度系統(tǒng)介紹了 52 個(gè)目標(biāo)檢測(cè)模型，縱觀 2013 年到 2020 年，從最早的 R-CNN、OverFeat 到后來(lái)的 SSD、YOLO v3 再到去年的 M2Det，新模型層出不窮，性能也越來(lái)越好！

上文聚焦于源碼和論文，對(duì)于各種卷積神經(jīng)網(wǎng)絡(luò)模型的實(shí)現(xiàn)，本文將介紹它們的 PyTorch 實(shí)現(xiàn)，非常有用！

這份資源已經(jīng)開(kāi)源在了 GitHub 上，鏈接如下：

https://github.com/shanglianlm0525/PyTorch-Networks

先來(lái)個(gè)總結(jié)介紹，該系列的卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)包含了 9 大主題，目錄如下：

1. 典型網(wǎng)絡(luò)

2. 輕量級(jí)網(wǎng)絡(luò)

3. 目標(biāo)檢測(cè)網(wǎng)絡(luò)

4. 語(yǔ)義分割網(wǎng)絡(luò)

5. 實(shí)例分割網(wǎng)絡(luò)

6. 人臉檢測(cè)和識(shí)別網(wǎng)絡(luò)

7. 人體姿態(tài)識(shí)別網(wǎng)絡(luò)

8. 注意力機(jī)制網(wǎng)絡(luò)

9. 人像分割網(wǎng)絡(luò)

下面具體來(lái)看一下：

1. 典型網(wǎng)絡(luò)（Classical network）

典型的卷積神經(jīng)網(wǎng)絡(luò)包括：AlexNet、VGG、ResNet、InceptionV1、InceptionV2、InceptionV3、InceptionV4、Inception-ResNet。

以 AlexNet 網(wǎng)絡(luò)為例，AlexNet 是 2012 年 ImageNet 競(jìng)賽冠軍獲得者 Hinton 和他的學(xué)生 Alex Krizhevsky 設(shè)計(jì)的。AlexNet 中包含了幾個(gè)比較新的技術(shù)點(diǎn)，也首次在 CNN 中成功應(yīng)用了 ReLU、Dropout 和 LRN 等 Trick。同時(shí) AlexNet 也使用了 GPU 進(jìn)行運(yùn)算加速。

AlexNet 網(wǎng)絡(luò)結(jié)構(gòu)的 PyTorch 實(shí)現(xiàn)方式如下：

importtorchimporttorch.nnasnndefConv3x3BNReLU(in_channels,out_channels,stride,padding=1):returnnn.Sequential(nn.Conv2d(in_channelsin_channels=in_channels,out_channelsout_channels=out_channels,kernel_size=3,stridestride=stride,padding=1),nn.BatchNorm2d(out_channels),nn.ReLU6(inplace=True))defConv1x1BNReLU(in_channels,out_channels):returnnn.Sequential(nn.Conv2d(in_channelsin_channels=in_channels,out_channelsout_channels=out_channels,kernel_size=1,stride=1,padding=0),nn.BatchNorm2d(out_channels),nn.ReLU6(inplace=True))defConvBNReLU(in_channels,out_channels,kernel_size,stride,padding=1):returnnn.Sequential(nn.Conv2d(in_channelsin_channels=in_channels,out_channelsout_channels=out_channels,kernel_sizekernel_size=kernel_size,stridestride=stride,paddingpadding=padding),nn.BatchNorm2d(out_channels),nn.ReLU6(inplace=True))defConvBN(in_channels,out_channels,kernel_size,stride,padding=1):returnnn.Sequential(nn.Conv2d(in_channelsin_channels=in_channels,out_channelsout_channels=out_channels,kernel_sizekernel_size=kernel_size,stridestride=stride,paddingpadding=padding),nn.BatchNorm2d(out_channels))classResidualBlock(nn.Module):def__init__(self,in_channels,out_channels):super(ResidualBlock,self).__init__()mid_channels=out_channels//2self.bottleneck=nn.Sequential(ConvBNReLU(in_channelsin_channels=in_channels,out_channels=mid_channels,kernel_size=1,stride=1),ConvBNReLU(in_channels=mid_channels,out_channels=mid_channels,kernel_size=3,stride=1,padding=1),ConvBNReLU(in_channels=mid_channels,out_channelsout_channels=out_channels,kernel_size=1,stride=1),)self.shortcut=ConvBNReLU(in_channelsin_channels=in_channels,out_channelsout_channels=out_channels,kernel_size=1,stride=1)defforward(self,x):out=self.bottleneck(x)returnout+self.shortcut(x)

2.輕量級(jí)網(wǎng)絡(luò)（Lightweight）

輕量級(jí)網(wǎng)絡(luò)包括：GhostNet、MobileNets、MobileNetV2、MobileNetV3、ShuffleNet、ShuffleNet V2、SqueezeNet Xception MixNet GhostNet。

以 GhostNet 為例，同樣精度，速度和計(jì)算量均少于此前 SOTA 算法。GhostNet 的核心是 Ghost 模塊，與普通卷積神經(jīng)網(wǎng)絡(luò)相比，在不更改輸出特征圖大小的情況下，其所需的參數(shù)總數(shù)和計(jì)算復(fù)雜度均已降低，而且即插即用。

GhostNet 網(wǎng)絡(luò)結(jié)構(gòu)的 PyTorch 實(shí)現(xiàn)方式如下：

https://github.com/shanglianlm0525/PyTorch-Networks/blob/master/Lightweight/GhostNet.py

3. 目標(biāo)檢測(cè)網(wǎng)絡(luò)（ObjectDetection）

目標(biāo)檢測(cè)網(wǎng)絡(luò)包括：SSD、YOLO、YOLOv2、YOLOv3、FCOS、FPN、RetinaNet Objects as Points、FSAF、CenterNet FoveaBox。

以 YOLO 系列為例，YOLO（You Only Look Once）是一種基于深度神經(jīng)網(wǎng)絡(luò)的對(duì)象識(shí)別和定位算法，其的特點(diǎn)是運(yùn)行速度很快，可以用于實(shí)時(shí)系統(tǒng)。目前 YOLOv3 應(yīng)用比較多。

YOLOV3 網(wǎng)絡(luò)結(jié)構(gòu)的 PyTorch 實(shí)現(xiàn)方式如下：

https://github.com/shanglianlm0525/PyTorch-Networks/blob/master/ObjectDetection/YOLOv3.py

4. 語(yǔ)義分割網(wǎng)絡(luò)（SemanticSegmentation）

語(yǔ)義分割網(wǎng)絡(luò)包括：FCN、Fast-SCNN、LEDNet、LRNNet、FisheyeMODNet。

以 FCN 為例，F(xiàn)CN 誕生于 2014 的語(yǔ)義分割模型先驅(qū)，主要貢獻(xiàn)為在語(yǔ)義分割問(wèn)題中推廣使用端對(duì)端卷積神經(jīng)網(wǎng)絡(luò)，使用反卷積進(jìn)行上采樣。FCN 模型非常簡(jiǎn)單，里面全部是由卷積構(gòu)成的，所以被稱(chēng)為全卷積網(wǎng)絡(luò)，同時(shí)由于全卷積的特殊形式，因此可以接受任意大小的輸入。

FCN 網(wǎng)絡(luò)結(jié)構(gòu)的 PyTorch 實(shí)現(xiàn)方式如下：

https://github.com/shanglianlm0525/PyTorch-Networks/blob/master/SemanticSegmentation/FCN.py

5. 實(shí)例分割網(wǎng)絡(luò)（InstanceSegmentation）

實(shí)例分割網(wǎng)絡(luò)包括：PolarMask。

6. 人臉檢測(cè)和識(shí)別網(wǎng)絡(luò)（commit VarGFaceNet）

人臉檢測(cè)和識(shí)別網(wǎng)絡(luò)包括：FaceBoxes、LFFD、VarGFaceNet。

7. 人體姿態(tài)識(shí)別網(wǎng)絡(luò)（HumanPoseEstimation）

人體姿態(tài)識(shí)別網(wǎng)絡(luò)包括：Stacked Hourglass、Networks Simple Baselines、LPN。

8. 注意力機(jī)制網(wǎng)絡(luò)

注意力機(jī)制網(wǎng)絡(luò)包括：SE Net、scSE、NL Net、GCNet、CBAM。

9. 人像分割網(wǎng)絡(luò)（PortraitSegmentation）

人像分割網(wǎng)絡(luò)包括：SINet。

綜上，該 GitHub 開(kāi)源項(xiàng)目展示了近些年來(lái)主流的 9 大類(lèi)卷積神經(jīng)網(wǎng)絡(luò)，總共包含了幾十種具體的網(wǎng)絡(luò)結(jié)構(gòu)。其中每個(gè)網(wǎng)絡(luò)結(jié)構(gòu)都有 PyTorch 實(shí)現(xiàn)方式。還是很不錯(cuò)的。

分享名稱(chēng)：9大主題卷積神經(jīng)網(wǎng)絡(luò)（CNN）的PyTorch實(shí)現(xiàn)
當(dāng)前地址：http://weahome.cn/article/cgehoh.html