↑ 點擊藍字?關注極市平臺

作者丨紅色石頭

來源丨AI有道

極市導讀

從R-CNN到YOLO v3再到M2Det，近年來的目標檢測新模型層出不窮，性能也越來越好。本文介紹了它們的PyTorch實現(xiàn)，目前Github已開源，非常實用。>>就在明天，極市直播：極市直播丨張志鵬：Ocean/Ocean+: 實時目標跟蹤分割算法，小代價，大增益｜ECCV2020

大家還記得這張圖嗎？

縱觀 2013 年到 2020 年的52個目標檢測模型，從最早的 R-CNN、OverFeat 到后來的 SSD、YOLO v3 再到去年的 M2Det，新模型層出不窮，性能也越來越好。之前介紹了一份非常不錯的資源，聚焦于源碼和論文，還有對于各種卷積神經(jīng)網(wǎng)絡模型的實現(xiàn)，Github地址如下：

https://github.com/hoya012/deep_learning_object_detection

而本文將介紹一個新的Github資源——它們的 PyTorch 實現(xiàn)，非常有用！

Github地址：

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

先來個介紹，該系列的卷積神經(jīng)網(wǎng)絡實現(xiàn)包含了 9 大主題，目錄如下：

1. 典型網(wǎng)絡

2.?輕量級網(wǎng)絡

3.?目標檢測網(wǎng)絡

4.?語義分割網(wǎng)絡

5.?實例分割網(wǎng)絡

6.?人臉檢測和識別網(wǎng)絡

7.?人體姿態(tài)識別網(wǎng)絡

8.?注意力機制網(wǎng)絡

9.?人像分割網(wǎng)絡

下面具體來看一下：

1 典型網(wǎng)絡（Classical network）

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

以 AlexNet 網(wǎng)絡為例，AlexNet 是 2012 年 ImageNet 競賽冠軍獲得者 Hinton 和他的學生 Alex Krizhevsky 設計的。AlexNet 中包含了幾個比較新的技術點，也首次在 CNN 中成功應用了 ReLU、Dropout 和 LRN 等 Trick。同時 AlexNet 也使用了 GPU 進行運算加速。

AlexNet 網(wǎng)絡結構的 PyTorch 實現(xiàn)方式如下：

import torchimport torch.nn as nn
def Conv3x3BNReLU(in_channels,out_channels,stride,padding=1):    return nn.Sequential(            nn.Conv2d(in_channels=in_channels, out_channels=out_channels, kernel_size=3, stride=stride, padding=1),            nn.BatchNorm2d(out_channels),            nn.ReLU6(inplace=True)        )
def Conv1x1BNReLU(in_channels,out_channels):    return nn.Sequential(            nn.Conv2d(in_channels=in_channels, out_channels=out_channels, kernel_size=1, stride=1, padding=0),            nn.BatchNorm2d(out_channels),            nn.ReLU6(inplace=True)        )
def ConvBNReLU(in_channels,out_channels,kernel_size,stride,padding=1):    return nn.Sequential(            nn.Conv2d(in_channels=in_channels, out_channels=out_channels, kernel_size=kernel_size, stride=stride, padding=padding),            nn.BatchNorm2d(out_channels),            nn.ReLU6(inplace=True)        )
def ConvBN(in_channels,out_channels,kernel_size,stride,padding=1):    return nn.Sequential(            nn.Conv2d(in_channels=in_channels, out_channels=out_channels, kernel_size=kernel_size, stride=stride, padding=padding),            nn.BatchNorm2d(out_channels)        )
class ResidualBlock(nn.Module):    def __init__(self, in_channels, out_channels):        super(ResidualBlock, self).__init__()        mid_channels = out_channels//2
        self.bottleneck = nn.Sequential(            ConvBNReLU(in_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_channels=out_channels, kernel_size=1, stride=1),        )        self.shortcut = ConvBNReLU(in_channels=in_channels, out_channels=out_channels, kernel_size=1, stride=1)
    def forward(self, x):        out = self.bottleneck(x)        return out+self.shortcut(x)

2?輕量級網(wǎng)絡（Lightweight）

輕量級網(wǎng)絡包括：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)和計算復雜度均已降低，而且即插即用。

GhostNet 網(wǎng)絡結構的 PyTorch 實現(xiàn)方式如下：

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

Networks/blob/master/Lightweight/GhostNet.py

3?目標檢測網(wǎng)絡（ObjectDetection）

目標檢測網(wǎng)絡包括：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)絡的對象識別和定位算法，其最大的特點是運行速度很快，可以用于實時系統(tǒng)。目前 YOLOv3 應用比較多。

YOLOV3 網(wǎng)絡結構的 PyTorch 實現(xiàn)方式如下：

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

4?語義分割網(wǎng)絡（SemanticSegmentation）

語義分割網(wǎng)絡包括：FCN、Fast-SCNN、LEDNet、LRNNet、FisheyeMODNet。

以 FCN 為例，F(xiàn)CN 誕生于 2014 的語義分割模型先驅，主要貢獻為在語義分割問題中推廣使用端對端卷積神經(jīng)網(wǎng)絡，使用反卷積進行上采樣。FCN 模型非常簡單，里面全部是由卷積構成的，所以被稱為全卷積網(wǎng)絡，同時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)絡結構的 PyTorch 實現(xiàn)方式如下：

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

5?實例分割網(wǎng)絡（InstanceSegmentation）

實例分割網(wǎng)絡包括：PolarMask。

6?人臉檢測和識別網(wǎng)絡（commit VarGFaceNet）

人臉檢測和識別網(wǎng)絡包括：FaceBoxes、LFFD、VarGFaceNet。

7?人體姿態(tài)識別網(wǎng)絡（HumanPoseEstimation）

人體姿態(tài)識別網(wǎng)絡包括：Stacked Hourglass、Networks Simple Baselines、LPN。

8?注意力機制網(wǎng)絡

注意力機制網(wǎng)絡包括：SE Net、scSE、NL Net、GCNet、CBAM。

9 人像分割網(wǎng)絡（PortraitSegmentation）

人像分割網(wǎng)絡包括：SINet。

綜上，該 GitHub 開源項目展示了近些年來主流的 9 大類卷積神經(jīng)網(wǎng)絡，總共包含了幾十種具體的網(wǎng)絡結構。其中每個網(wǎng)絡結構都有 PyTorch 實現(xiàn)方式。還是很不錯的。

最后再放上 GitHub 開源地址：

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

推薦閱讀

通道注意力超強改進，輕量模塊ECANet來了！即插即用，顯著提高CNN性能｜已開源
憑什么相信你，我的CNN模型？關于CNN模型可解釋性的思考
深度學習準「研究僧」預習資料：圖靈獎得主Yann LeCun《深度學習（Pytorch）》春季課程

添加極市小助手微信（ID : cvmart2），備注：姓名-學校/公司-研究方向-城市（如：小極-北大-目標檢測-深圳），即可申請加入極市目標檢測/圖像分割/工業(yè)檢測/人臉/醫(yī)學影像/3D/SLAM/自動駕駛/超分辨率/姿態(tài)估計/ReID/GAN/圖像增強/OCR/視頻理解等技術交流群：每月大咖直播分享、真實項目需求對接、求職內(nèi)推、算法競賽、干貨資訊匯總、與?10000+來自港科大、北大、清華、中科院、CMU、騰訊、百度等名校名企視覺開發(fā)者互動交流~

△長按添加極市小助手

△長按關注極市平臺，獲取最新CV干貨

覺得有用麻煩給個在看啦~??

9大主題卷積神經(jīng)網(wǎng)絡(CNN)的PyTorch實現(xiàn)

1 典型網(wǎng)絡（Classical network）

2?輕量級網(wǎng)絡（Lightweight）

7?人體姿態(tài)識別網(wǎng)絡（HumanPoseEstimation）

8?注意力機制網(wǎng)絡

9 人像分割網(wǎng)絡（PortraitSegmentation）