Referencia para ultralytics/nn/modules/conv.py
Nota
Este archivo está disponible en https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/nn/modules/conv .py. Si detectas algún problema, por favor, ayuda a solucionarlo contribuyendo con una Pull Request 🛠️. ¡Gracias 🙏!
ultralytics.nn.modules.conv.Conv
Bases: Module
Convolución estándar con args(ch_in, ch_out, kernel, stride, padding, grupos, dilatación, activación).
Código fuente en ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, p=None, g=1, d=1, act=True)
Inicializa la capa Conv con los argumentos dados, incluida la activación.
Código fuente en ultralytics/nn/modules/conv.py
forward(x)
ultralytics.nn.modules.conv.Conv2
Bases: Conv
Módulo RepConv simplificado con fusión Conv.
Código fuente en ultralytics/nn/modules/conv.py
__init__(c1, c2, k=3, s=1, p=None, g=1, d=1, act=True)
Inicializa la capa Conv con los argumentos dados, incluida la activación.
Código fuente en ultralytics/nn/modules/conv.py
forward(x)
forward_fuse(x)
Aplica la convolución fusionada, la normalización por lotes y la activación a la entrada tensor.
fuse_convs()
Fusiona las circunvoluciones paralelas.
Código fuente en ultralytics/nn/modules/conv.py
ultralytics.nn.modules.conv.LightConv
Bases: Module
Convolución ligera con args(ch_in, ch_out, kernel).
https://github.com/PaddlePaddle/PaddleDetection/blob/develop/ppdet/modeling/backbones/hgnet_v2.py
Código fuente en ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, act=nn.ReLU())
Inicializa la capa Conv con los argumentos dados, incluida la activación.
ultralytics.nn.modules.conv.DWConv
Bases: Conv
Convolución en profundidad.
Código fuente en ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, d=1, act=True)
Inicializa la convolución en profundidad con los parámetros dados.
ultralytics.nn.modules.conv.DWConvTranspose2d
Bases: ConvTranspose2d
Convolución de transposición en profundidad.
Código fuente en ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, p1=0, p2=0)
Inicializa la clase DWConvTranspose2d con los parámetros dados.
ultralytics.nn.modules.conv.ConvTranspose
Bases: Module
Capa 2d de transposición de convolución.
Código fuente en ultralytics/nn/modules/conv.py
__init__(c1, c2, k=2, s=2, p=0, bn=True, act=True)
Inicializa la capa ConvTranspose2d con la normalización por lotes y la función de activación.
Código fuente en ultralytics/nn/modules/conv.py
forward(x)
ultralytics.nn.modules.conv.Focus
Bases: Module
Enfoca la información en el espacio c.
Código fuente en ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, p=None, g=1, act=True)
Inicializa el objeto Enfoque con los valores de canal, convolución, relleno, grupo y activación definidos por el usuario.
Código fuente en ultralytics/nn/modules/conv.py
forward(x)
Aplica la convolución a la tensor concatenada y devuelve la salida.
La forma de entrada es (b,c,w,h) y la de salida es (b,4c,w/2,h/2).
Código fuente en ultralytics/nn/modules/conv.py
ultralytics.nn.modules.conv.GhostConv
Bases: Module
Convolución fantasma https://github.com/huawei-noah/ghostnet.
Código fuente en ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, g=1, act=True)
Inicializa el objeto GhostConv con canales de entrada, canales de salida, tamaño del núcleo, stride, grupos y activación.
Código fuente en ultralytics/nn/modules/conv.py
forward(x)
Propagación hacia delante a través de una capa de cuello de botella fantasma con conexión de salto.
ultralytics.nn.modules.conv.RepConv
Bases: Module
RepConv es un bloque básico de estilo rep, que incluye la formación y el estado de despliegue.
Este módulo se utiliza en RT-DETR. Basado en https://github.com/DingXiaoH/RepVGG/blob/main/repvgg.py
Código fuente en ultralytics/nn/modules/conv.py
175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 |
|
__init__(c1, c2, k=3, s=1, p=1, g=1, d=1, act=True, bn=False, deploy=False)
Inicializa la capa de Convolución Ligera con entradas, salidas y función de activación opcional.
Código fuente en ultralytics/nn/modules/conv.py
forward(x)
forward_fuse(x)
fuse_convs()
Combina dos capas de convolución en una sola capa y elimina los atributos no utilizados de la clase.
Código fuente en ultralytics/nn/modules/conv.py
get_equivalent_kernel_bias()
Devuelve el kernel y el sesgo equivalentes sumando el kernel 3x3, el kernel 1x1 y el kernel de identidad con sus sesgos.
Código fuente en ultralytics/nn/modules/conv.py
ultralytics.nn.modules.conv.ChannelAttention
Bases: Module
Módulo canal-atención https://github.com/open-mmlab/mmdetection/tree/v3.0.0rc1/configs/rtmdet.
Código fuente en ultralytics/nn/modules/conv.py
__init__(channels)
Inicializa la clase y establece las configuraciones básicas y las variables de instancia necesarias.
Código fuente en ultralytics/nn/modules/conv.py
forward(x)
Aplica el pase hacia delante utilizando la activación en las convoluciones de la entrada, utilizando opcionalmente la normalización por lotes.
ultralytics.nn.modules.conv.SpatialAttention
Bases: Module
Módulo de atención espacial.
Código fuente en ultralytics/nn/modules/conv.py
__init__(kernel_size=7)
Inicializa el módulo Atención espacial con el argumento Tamaño del núcleo.
Código fuente en ultralytics/nn/modules/conv.py
forward(x)
Aplica atención canal y espacial en la entrada para recalibrar las características.
ultralytics.nn.modules.conv.CBAM
Bases: Module
Módulo de Atención de Bloques Convolucionales.
Código fuente en ultralytics/nn/modules/conv.py
__init__(c1, kernel_size=7)
Inicializa la CBAM con el canal de entrada (c1) y el tamaño del núcleo dados.
ultralytics.nn.modules.conv.Concat
Bases: Module
Concatena una lista de tensores a lo largo de la dimensión.
Código fuente en ultralytics/nn/modules/conv.py
__init__(dimension=1)
ultralytics.nn.modules.conv.autopad(k, p=None, d=1)
Pad a salidas de forma "igual".