参考资料 ultralytics/nn/modules/conv.py
备注
该文件可从https://github.com/ultralytics/ultralytics/blob/main/ ultralytics/nn/modules/conv .py 获取。如果您发现问题,请通过提交 Pull Request🛠️ 帮助修复。谢谢🙏!
ultralytics.nn.modules.conv.Conv
垒球 Module
标准卷积,包含参数(ch_in、ch_out、kernel、stride、padding、groups、dilation、activation)。
源代码 ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, p=None, g=1, d=1, act=True)
使用给定参数(包括激活参数)初始化 Conv 层。
源代码 ultralytics/nn/modules/conv.py
forward(x)
ultralytics.nn.modules.conv.Conv2
垒球 Conv
带 Conv 融合功能的简化 RepConv 模块。
源代码 ultralytics/nn/modules/conv.py
__init__(c1, c2, k=3, s=1, p=None, g=1, d=1, act=True)
使用给定参数(包括激活参数)初始化 Conv 层。
源代码 ultralytics/nn/modules/conv.py
forward(x)
forward_fuse(x)
fuse_convs()
融合平行卷积。
源代码 ultralytics/nn/modules/conv.py
ultralytics.nn.modules.conv.LightConv
垒球 Module
使用 args(ch_in、ch_out、kernel)进行光卷积。
https://github.com/PaddlePaddle/PaddleDetection/blob/develop/ppdet/modeling/backbones/hgnet_v2.py
源代码 ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, act=nn.ReLU())
ultralytics.nn.modules.conv.DWConv
ultralytics.nn.modules.conv.DWConvTranspose2d
垒球 ConvTranspose2d
深度转置卷积
源代码 ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, p1=0, p2=0)
使用给定参数初始化 DWConvTranspose2d 类。
ultralytics.nn.modules.conv.ConvTranspose
垒球 Module
卷积转置 2d 层
源代码 ultralytics/nn/modules/conv.py
__init__(c1, c2, k=2, s=2, p=0, bn=True, act=True)
使用批次归一化和激活函数初始化 ConvTranspose2d 层。
源代码 ultralytics/nn/modules/conv.py
forward(x)
ultralytics.nn.modules.conv.Focus
垒球 Module
将信息聚焦到 c 空间。
源代码 ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, p=None, g=1, act=True)
使用用户定义的通道、卷积、填充、分组和激活值初始化 Focus 对象。
forward(x)
对连接的tensor 应用卷积,并返回输出。
输入形状为 (b,c,w,h),输出形状为 (b,4c,w/2,h/2)。
源代码 ultralytics/nn/modules/conv.py
ultralytics.nn.modules.conv.GhostConv
垒球 Module
幽灵卷积 https://github.com/huawei-noah/ghostnet。
源代码 ultralytics/nn/modules/conv.py
__init__(c1, c2, k=1, s=1, g=1, act=True)
初始化 GhostConv 对象,包括输入通道、输出通道、内核大小、步长、分组和 激活。
源代码 ultralytics/nn/modules/conv.py
ultralytics.nn.modules.conv.RepConv
垒球 Module
RepConv 是基本的代表式模块,包括培训和部署状态。
该模块在RT-DETR 中使用。 基于 https://github.com/DingXiaoH/RepVGG/blob/main/repvgg.py
源代码 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)
使用输入、输出和可选激活函数初始化光卷积层。
源代码 ultralytics/nn/modules/conv.py
forward(x)
forward_fuse(x)
fuse_convs()
将两个卷积层合并为一个卷积层,并移除类中未使用的属性。
源代码 ultralytics/nn/modules/conv.py
get_equivalent_kernel_bias()
将 3x3 内核、1x1 内核和标识内核与其偏置相加,返回等效内核和偏置。
源代码 ultralytics/nn/modules/conv.py
ultralytics.nn.modules.conv.ChannelAttention
垒球 Module
渠道关注模块 https://github.com/open-mmlab/mmdetection/tree/v3.0.0rc1/configs/rtmdet。
源代码 ultralytics/nn/modules/conv.py
__init__(channels)
初始化类并设置所需的基本配置和实例变量。
源代码 ultralytics/nn/modules/conv.py
ultralytics.nn.modules.conv.SpatialAttention
垒球 Module
空间注意力模块
源代码 ultralytics/nn/modules/conv.py
__init__(kernel_size=7)
使用内核大小参数初始化空间注意力模块。
源代码 ultralytics/nn/modules/conv.py
ultralytics.nn.modules.conv.CBAM
垒球 Module
卷积块注意力模块
源代码 ultralytics/nn/modules/conv.py
__init__(c1, kernel_size=7)
用给定的输入通道(c1)和内核大小初始化 CBAM。
ultralytics.nn.modules.conv.Concat
垒球 Module
沿维度连接张量列表。
源代码 ultralytics/nn/modules/conv.py
__init__(dimension=1)
ultralytics.nn.modules.conv.autopad(k, p=None, d=1)
垫至 "相同 "形状的输出。