本文小編為大家詳細介紹“CBNet是什么”，內(nèi)容詳細，步驟清晰，細節(jié)處理妥當，希望這篇“CBNet是什么”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學(xué)習(xí)新知識吧。

創(chuàng)新互聯(lián)服務(wù)項目包括常州網(wǎng)站建設(shè)、常州網(wǎng)站制作、常州網(wǎng)頁制作以及常州網(wǎng)絡(luò)營銷策劃等。多年來，我們專注于互聯(lián)網(wǎng)行業(yè)，利用自身積累的技術(shù)優(yōu)勢、行業(yè)經(jīng)驗、深度合作伙伴關(guān)系等，向廣大中小型企業(yè)、政府機構(gòu)等提供互聯(lián)網(wǎng)行業(yè)的解決方案，常州網(wǎng)站推廣取得了明顯的社會效益與經(jīng)濟效益。目前，我們服務(wù)的客戶以成都為中心已經(jīng)輻射到常州省份的部分城市，未來相信會繼續(xù)擴大服務(wù)區(qū)域并繼續(xù)獲得客戶的支持與信任！

到目前為止，在COCO數(shù)據(jù)集上表現(xiàn)最好的物體檢測網(wǎng)絡(luò)是CBNet，在COCO測試數(shù)據(jù)集上的平均精度為53.3。

合并一個更強大的主干可以提高目標探測器的性能。為了做到這一點，他們提出了一種新的策略，通過相鄰的主干之間的復(fù)合連接來裝配多個相同的主干。通過這樣做，他們提出了一個更強大的主干，稱為復(fù)合主干網(wǎng)絡(luò)。

如圖所示，CBNet由多個相同的主干網(wǎng)絡(luò)和相鄰主干之間的復(fù)合連接組成。從左到右，每個階段的輸出在一個輔助主干網(wǎng)中，這也可以看作是高層次的特征。每個特征層的輸出通過組合連接作為輸入的一部分流到后續(xù)主干的并行級。通過這樣做，將多個高級和低級特性融合在一起，以生成更豐富的特征表示。

本文介紹了兩種架構(gòu)：雙骨干網(wǎng)(DB)和三骨干網(wǎng)(TB)。從命名中可以猜到，DB由兩個相同的主干組成，TB由三個相同的主干組成。性能差異將在本文后面討論。

為了從主干中組合多個輸出，本文引入了一個組合連接塊。該塊由一個1x1卷積和一個批處理歸一化層組成。添加這些層是為了減少通道的數(shù)量并執(zhí)行上采樣操作。

最后的主干(在圖中最右邊)稱為領(lǐng)導(dǎo)主干，用于物體檢測。領(lǐng)導(dǎo)主干的輸出特征被輸入到RPN/檢測頭，而每個輔助主干的輸出被輸入到相鄰的主干。

組合風(fēng)格

有四種主干組合的形式：

• 相鄰的高級組合是前面部分中介紹的樣式。來自輔助主干網(wǎng)的每個輸出特征使用復(fù)合連接塊輸入到相鄰的主干網(wǎng)中。

• 同層組合是另一種簡單的合成樣式，它將前一個主干的相鄰低層階段的輸出提供給后一個主干。如圖所示，此樣式不使用復(fù)合連接塊。來自低層主干網(wǎng)的特征被直接添加到相鄰的主干網(wǎng)中。

• 鄰近的低層組合非常類似于AHLC。唯一不同的是，來自前一個主干網(wǎng)底層的特征被傳遞給后續(xù)的主干網(wǎng)。

• 稠密的高層組合的靈感來自DenseNet，每一層都連接到所有后續(xù)的層，在一個階段建立一個稠密的連接。

上表顯示了不同組合風(fēng)格的對比。我們可以觀察到，AHLC樣式優(yōu)于其他復(fù)合樣式。這背后的原因在論文中有很好的解釋。作者認為，將前一個主干的低層特征直接添加到后續(xù)主干的高層特征中，會損害后一個主干的語義信息。另一方面，在后續(xù)主干的淺層特征基礎(chǔ)上增加前一主干的深層特征，可以增強后一主干的語義信息。

結(jié)果

上表顯示了MS-COCO測試數(shù)據(jù)集的檢測結(jié)果。第5-7列是物體檢測結(jié)果，第8-10列是實例分割結(jié)果。它清楚地表明，使用更多的骨干架構(gòu)提高了網(wǎng)絡(luò)的性能。

讀到這里，這篇“CBNet是什么”文章已經(jīng)介紹完畢，想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領(lǐng)會，如果想了解更多相關(guān)內(nèi)容的文章，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。