【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
jay神9 小时前
基于YOLOv8的钢材表面缺陷检测系统
人工智能·算法·yolo·目标检测·计算机视觉
no_work16 小时前
基于yolo深度学习的混凝土裂缝检测
人工智能·深度学习·yolo
YOLO视觉与编程17 小时前
一文读懂-yolo26如何预测识别图片|视频|摄像头|文件夹检测适用v8v11
人工智能·深度学习·yolo·目标检测·机器学习
容沁风19 小时前
用opencv和yolov5su定位二维码
opencv·yolo·二维码
童话名剑1 天前
YOLO v4损失计算
yolo·yolo v4损失
JicasdC123asd1 天前
并行双分支瓶颈架构改进YOLOv26异构卷积核协同特征提取与残差学习双重突破
学习·yolo·架构
阿拉斯攀登1 天前
【无人售货柜・RK+YOLO】篇 4:效果拉满!针对无人售货柜场景的 YOLO 模型优化技巧,解决 90% 的识别问题
yolo
JicasdC123asd2 天前
感受野CBAM融合卷积改进YOLOv26双重注意力机制与自适应特征增强协同突破
人工智能·yolo·目标跟踪
JulyLi20192 天前
RK3576 yolov8部署笔记
笔记·yolo
JicasdC123asd2 天前
感受野注意力卷积改进YOLOv26自适应空间加权与特征重排双重突破
yolo·计算机视觉·目标跟踪