文章目录
- 摘要
- 1. Backbone
- 2. Neck
- 3. Bottleneck
- 4. Head
- 5.GAP或者avgpool：
- 6.Embedding
摘要
梳理了一些长见的名词，方便大家够好的理解论文和Ai方向的文章。
1. Backbone
骨干网络或者说是主干网络，指的是提取特征的网络，其作用就是提取图片中的信息，共后面的网络使用。这些网络经常使用的是resnet VGG等，而不是我们自己设计的网络，因为这些网络已经证明了在分类等问题上的特征提取能力是很强的。在用这些网络作为backbone的时候，都是直接加载官方已经训练好的模型参数，后面接着我们自己的网络。让网络的这两个部分同时进行训练，因为加载的backbone模型已经具有提取特征的能力了，在我们的训练过程中，会对他进行微调，使得其更适合于我们自己的任务。
2. Neck
是放在backbone和head之间的，是为了更好的利用backbone提取的特征。
3. Bottleneck
瓶颈的意思，通常指的是网网络输入的数据维度和输出的维度不同，输出的维度比输入的小了许多，就像脖子一样，变细了。Bottleneck有个参数ratio，经常设置为4，比如输入进来的是channel是512，然后，变成128，再变成512输出。
4. Head
head是获取网络输出内容的网络，利用之前提取的特征，head利用这些特征，做出预测。
5.GAP或者avgpool：
全局平均池化（Global Average Pool），就是将某个通道的特征取平均值，在pytorch中，经常使用AdaptativeAvgpoold(7),这个代表自适应性全局平均池化，例如VGG：
self.avgpool = nn.AdaptiveAvgPool2d((1, 1))
6.Embedding
深度学习方法都是利用使用线性和非线性转换对复杂的数据进行自动特征抽取，并将特征表示为“向量”（vector），这一过程一般也称为“嵌入”（embedding）
