【全局平均池化GAP】

全局平均池化GAP
  • 参考:通俗易懂理解全局平均池化(GAP)

  • 优势:GAP可以减少参数量,减少计算量,减少过拟合

  • GAP应用场景

    1. 最后一层卷积后+GAP+flatten(或reshape)辗平成一维数组+FC全连接,全连接数为一般为类别数,然后使用sigmod或softmax实现而分类或多分类;

    2. 可以用GAP代替FC操作;

      设置最后一层卷积的通道数n为预测类别数量,使用GAP后每个通道的特征图尺寸变为11,因此最终的输出为1x1xn (GAP操作不需要参数量),代替全连接后可大幅降低参数量;

相关推荐
A7bert7776 小时前
【YOLOv8pose部署至RDK X5】模型训练→转换bin→Sunrise 5部署
c++·python·深度学习·yolo·目标检测
Studying 开龙wu8 小时前
深度学习PyTorch 实战九:YOLOv1目标检测从标注-训练-预测
pytorch·深度学习·yolo
探物 AI12 小时前
[特殊字符] 被滥用的注意力机制:为什么 YOLOv11 改进,盲目塞满 Attention 反而成了“掉速刺客”?
yolo
山居秋暝LS13 小时前
安装yolo26【无标题】
yolo·计算机视觉
极智视界1 天前
分类数据集 - 蘑菇分类数据集下载
人工智能·yolo·数据集·图像分类·算法训练·蘑菇分类
音沐mu.1 天前
【70】室内物品数据集(有v5/v8模型)/YOLO室内物品检测
yolo·目标检测·数据集·室内物品数据集·室内物品检测
2zcode2 天前
基于深度学习的高速公路违章停车检测系统的设计与实现
yolo·高速公路违章停车
时间之里2 天前
【深度学习】:RF-DETR与yolo对比
人工智能·深度学习·yolo
极智视界2 天前
分类数据集 - 自然灾害场景飓风野火洪水地震分类数据集下载
人工智能·yolo·数据集·图像分类·算法训练·自然灾害检测
Uopiasd1234oo2 天前
位置感知注意力与跨阶段部分网络改进YOLOv26特征提取与全局建模能力双重提升
网络·yolo·目标跟踪