Riferimento per ultralytics/nn/modules/conv.py
Nota
Questo file è disponibile su https://github.com/ultralytics/ ultralytics/blob/main/ ultralytics/nn/modules/conv .py. Se noti un problema, contribuisci a risolverlo inviando una Pull Request 🛠️. Grazie 🙏!
ultralytics.nn.modules.conv.Conv
Basi: Module
Convoluzione standard con argomenti (ch_in, ch_out, kernel, stride, padding, gruppi, dilatazione, attivazione).
Codice sorgente in ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, p=None, g=1, d=1, act=True)
Inizializza il livello Conv con gli argomenti dati, compresa l'attivazione.
Codice sorgente in ultralytics/nn/modules/conv.py
forward(x)
ultralytics.nn.modules.conv.Conv2
Basi: Conv
Modulo RepConv semplificato con fusione di Conv.
Codice sorgente in ultralytics/nn/modules/conv.py
__init__(c1, c2, k=3, s=1, p=None, g=1, d=1, act=True)
Inizializza il livello Conv con gli argomenti dati, compresa l'attivazione.
Codice sorgente in ultralytics/nn/modules/conv.py
forward(x)
forward_fuse(x)
fuse_convs()
Fondere le convoluzioni parallele.
Codice sorgente in ultralytics/nn/modules/conv.py
ultralytics.nn.modules.conv.LightConv
Basi: Module
Convoluzione luminosa con gli argomenti (ch_in, ch_out, kernel).
https://github.com/PaddlePaddle/PaddleDetection/blob/develop/ppdet/modeling/backbones/hgnet_v2.py
Codice sorgente in ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, act=nn.ReLU())
Inizializza il livello Conv con gli argomenti dati, compresa l'attivazione.
ultralytics.nn.modules.conv.DWConv
Basi: Conv
Convoluzione in profondità.
Codice sorgente in ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, d=1, act=True)
Inizializza la convoluzione in profondità con i parametri indicati.
ultralytics.nn.modules.conv.DWConvTranspose2d
Basi: ConvTranspose2d
Convoluzione con trasposizione in profondità.
Codice sorgente in ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, p1=0, p2=0)
Inizializza la classe DWConvTranspose2d con i parametri indicati.
ultralytics.nn.modules.conv.ConvTranspose
Basi: Module
Strato 2d di trasposizione della convoluzione.
Codice sorgente in ultralytics/nn/modules/conv.py
__init__(c1, c2, k=2, s=2, p=0, bn=True, act=True)
Inizializza lo strato ConvTranspose2d con la normalizzazione del lotto e la funzione di attivazione.
Codice sorgente in ultralytics/nn/modules/conv.py
forward(x)
Applica all'input le convoluzioni trasposte, la normalizzazione e l'attivazione del batch.
ultralytics.nn.modules.conv.Focus
Basi: Module
Concentra le informazioni nello spazio c.
Codice sorgente in ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, p=None, g=1, act=True)
Inizializza l'oggetto Focus con i valori di canale, convoluzione, padding, gruppo e attivazione definiti dall'utente.
Codice sorgente in ultralytics/nn/modules/conv.py
forward(x)
Applica la convoluzione a tensor concatenato e restituisce l'output.
La forma di ingresso è (b,c,w,h) e la forma di uscita è (b,4c,w/2,h/2).
Codice sorgente in ultralytics/nn/modules/conv.py
ultralytics.nn.modules.conv.GhostConv
Basi: Module
Convoluzione fantasma https://github.com/huawei-noah/ghostnet.
Codice sorgente in ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, g=1, act=True)
Inizializza l'oggetto GhostConv con i canali di ingresso, i canali di uscita, la dimensione del kernel, lo stride, i gruppi e l'attivazione. attivazione.
Codice sorgente in ultralytics/nn/modules/conv.py
forward(x)
Propagazione in avanti attraverso un livello Ghost Bottleneck con salto di connessione.
ultralytics.nn.modules.conv.RepConv
Basi: Module
RepConv è un blocco di base in stile rep, che include la formazione e lo stato di schieramento.
Questo modulo è utilizzato in RT-DETR. Basato su https://github.com/DingXiaoH/RepVGG/blob/main/repvgg.py
Codice sorgente in 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)
Inizializza il livello Light Convolution con ingressi, uscite e funzione di attivazione opzionale.
Codice sorgente in ultralytics/nn/modules/conv.py
forward(x)
forward_fuse(x)
fuse_convs()
Combina due livelli di convoluzione in un unico livello e rimuove gli attributi inutilizzati dalla classe.
Codice sorgente in ultralytics/nn/modules/conv.py
get_equivalent_kernel_bias()
Restituisce il kernel e il bias equivalente aggiungendo il kernel 3x3, il kernel 1x1 e il kernel identità con i rispettivi bias.
Codice sorgente in ultralytics/nn/modules/conv.py
ultralytics.nn.modules.conv.ChannelAttention
Basi: Module
Modulo di attenzione al canale https://github.com/open-mmlab/mmdetection/tree/v3.0.0rc1/configs/rtmdet.
Codice sorgente in ultralytics/nn/modules/conv.py
__init__(channels)
Inizializza la classe e imposta le configurazioni di base e le variabili di istanza necessarie.
Codice sorgente in ultralytics/nn/modules/conv.py
forward(x)
Applica il passaggio in avanti utilizzando l'attivazione sulle convoluzioni dell'input, eventualmente utilizzando la normalizzazione in batch.
ultralytics.nn.modules.conv.SpatialAttention
Basi: Module
Modulo di attenzione spaziale.
Codice sorgente in ultralytics/nn/modules/conv.py
__init__(kernel_size=7)
Inizializza il modulo Spatial-attention con l'argomento kernel size.
Codice sorgente in ultralytics/nn/modules/conv.py
forward(x)
Applica l'attenzione al canale e allo spazio in ingresso per ricalibrare le caratteristiche.
ultralytics.nn.modules.conv.CBAM
Basi: Module
Modulo di attenzione a blocchi convoluzionali.
Codice sorgente in ultralytics/nn/modules/conv.py
__init__(c1, kernel_size=7)
Inizializza la CBAM con il canale di ingresso dato (c1) e la dimensione del kernel.
ultralytics.nn.modules.conv.Concat
Basi: Module
Concatena un elenco di tensori lungo la dimensione.
Codice sorgente in ultralytics/nn/modules/conv.py
__init__(dimension=1)
ultralytics.nn.modules.conv.autopad(k, p=None, d=1)
Pad alle uscite della stessa forma.