接着经过一个kernel size=3,in_channel=128,out_channel=128的卷积，bn,relu,得到128x28x28的feature map.
接着经过一个kernel size=1,in_channel=128,out_channel=512的卷积，bn得到512x28x28的feature map:F7_1
将F7经过一个kernel size=1,in_channel_256,out_channel=512,stride=2的卷积，bn得到512x28x28的feature map:F7_2
F7_1+F7_2后，再经过激活函数relu得到512x28x28的feature map F8
F8经过第5个bottleneck residual block, 得到512x28x28的F9

详细如下：
F8经过kernel size = 1,in_channel=512,out_channel=128，stride=1的卷积，bn,relu,得到128x28x28的feature map.
接着经过一个kernel size=3,in_channel=128,out_channel=128的卷积，bn,relu,得到128x28x28的feature map.
接着经过一个kernel size=1,in_channel=128,out_channel=512的卷积，bn得到512x28x28的feature map:F8_1
F8_1+F8后，再经过激活函数relu得到512x28x28的 feature map F9

F9经过第6个bottleneck residual block, 得到512x28x28的F10

详细如下：
F9经过kernel size = 1,in_channel=512,out_channel=128，stride=1的卷积，bn,relu,得到128x28x28的feature map.
接着经过一个kernel size=3,in_channel=128,out_channel=128的卷积，bn,relu,得到128x28x28的feature map.
接着经过一个kernel size=1,in_channel=128,out_channel=512的卷积，bn得到512x28x28的feature map:F9_1
F9_1+F9后，再经过激活函数relu得到512x28x28的 feature map F10

F10经过第7个bottleneck residual block, 得到512x28x28的F11

详细如下：
F10经过kernel size = 1,in_channel=512,out_channel=128，stride=1的卷积，bn,relu,得到128x28x28的feature map.
接着经过一个kernel size=3,in_channel=128,out_channel=128的卷积，bn,relu,得到128x28x28的feature map.
接着经过一个kernel size=1,in_channel=128,out_channel=512的卷积，bn得到512x28x28的feature map:F8_1
F10_1+F10后，再经过激活函数relu得到512x28x28的 feature map F11

注意到，这4个bottleneck residula block中的3×3的卷积的in_channel=out_channel=128,由于这3个 bottleneck residula block中3×3卷积的channel数是一样的，我们通常把他们3个 block合称为resnet50的block2，或者conv3_x,或者layer2.
F11经过第8个bottleneck residual block, 得到1024x14x14的F12

详细如下：
F11经过kernel size = 1,in_channel=512,out_channel=256,stride=2的卷积，bn,relu,得到256x14x14的feature map.
接着经过一个kernel size=3,in_channel=256,out_channel=256的卷积，bn,relu,得到256x14x14的feature map.
接着经过一个kernel size=1,in_channel=256,out_channel=1024的卷积，bn得到1024x14x14的feature map:F11_1
将F11经过一个kernel size=1,in_channel=512,out_channel=1024,stride=2的卷积，bn得到1024x14x14的feature map:F11_2
F11_1+F11_2后，再经过激活函数relu得到1024x14x14的F12

F12经过第9个bottleneck residual block, 得到1024x14x14的F13

详细如下：
F12经过kernel size = 1,in_channel=1024,out_channel=256,stride=1的卷积，bn,relu,得到256x14x14的feature map.
接着经过一个kernel size=3,in_channel=256,out_channel=256的卷积，bn,relu,得到256x14x14的feature map.
接着经过一个kernel size=1,in_channel=256,out_channel=1024的卷积，bn得到1024x14x14的feature map:F12_1
F12_1+F12后，再经过激活函数relu得到1024x14x14的F13

F13经过第10个bottleneck residual block, 得到1024x14x14的F14

详细如下：
F13经过kernel size = 1,in_channel=1024,out_channel=256,stride=1的卷积，bn,relu,得到256x14x14的feature map.
接着经过一个kernel size=3,in_channel=256,out_channel=256的卷积，bn,relu,得到256x14x14的feature map.
接着经过一个kernel size=1,in_channel=256,out_channel=1024的卷积，bn得到1024x14x14的feature map:F13_1
F13_1+F13后，再经过激活函数relu得到1024x14x14的F14

F14经过第11个bottleneck residual block, 得到1024x14x14的F15

详细如下：
F14经过kernel size = 1,in_channel=1024,out_channel=256,stride=1的卷积，bn,relu,得到256x14x14的feature map.
接着经过一个kernel size=3,in_channel=256,out_channel=256的卷积，bn,relu,得到256x14x14的feature map.
接着经过一个kernel size=1,in_channel=256,out_channel=1024的卷积，bn得到1024x14x14的feature map:F14_1
F14_1+F14后，再经过激活函数relu得到1024x14x14的F15

F15经过第12个bottleneck residual block, 得到1024x14x14的F16

详细如下：
F15经过kernel size = 1,in_channel=1024,out_channel=256,stride=1的卷积，bn,relu,得到256x14x14的feature map.
接着经过一个kernel size=3,in_channel=256,out_channel=256的卷积，bn,relu,得到256x14x14的feature map.
接着经过一个kernel size=1,in_channel=256,out_channel=1024的卷积，bn得到1024x14x14的feature map:F15_1

• 上一页
• 1
• 2
• 3
• 下一页

• 医学专业词汇，希望专业人士给解释一下，心肺复苏、骨骼、护理人模型、针灸人模型这几个词是啥意思
• 计算机硬件知识介绍 计算机硬件组成的基础知识
• 日历年度是公历吗,中国从什么时候计算日期年份的
• 降雨量如何计算,降水量怎么计算的以面积为单位
• 车损险是怎么计算的
• 硬盘在哪里看大小
• 2022年春季征兵时间,如何正确计算入伍时间？
• 如何计算三角形面积_三角形面积的计算公式
• 什么是aarrr，aarrr模型解析？
• 产品定价计算公式 商品定价的五种方法是什么