yolov3结构

https://blog.csdn.net/qq_33500066/article/details/81175033

https://blog.csdn.net/u014380165/article/details/80202337

https://blog.csdn.net/lk123400/article/details/54343550  rcnn和fasterrcnn和rcnn的区别

输入图像layer m-1有4个通道,同时有2个卷积核w1和w2。对于卷积核w1,先在输入图像4个通道分别作卷积,再将4个通道结果加起来得到w1的卷积输出;卷积核w2类似。所以对于某个卷积层,无论输入图像有多少个通道,输出图像通道数总是等于卷积核数量!

对多通道图像做1x1卷积,其实就是将输入图像于每个通道乘以卷积系数后加在一起,即相当于把原图像中本来各个独立的通道“联通”在了一起。

猜你喜欢

转载自blog.csdn.net/wang1127248268/article/details/85643985