# 练习

**Repository Path**: qfhh/practice

## Basic Information

- **Project Name**: 练习
- **Description**: 这是我的学习笔记
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2024-05-24
- **Last Updated**: 2024-05-27

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 练习

#### 介绍
这是我的学习笔记

在学习了CNN之后，有感而发，顺势选择一篇论文的代码进行复现 ，作为训练并从中收获颇丰，因此写下此文记录此刻。
DetNet模型主干部分
detnet模型的设计主要是为了优化图像分类和目标检测任务，其模型的结构主要基于resnet，并进行了部分改进，其中前四个stage都保留了resnet50的结构，而创新的引入了stage5和stage6并在s5,s6中用了空洞卷积层，在不改变参数量的情况下增加感受野，最后再经过平均池化和一个全连接层得到最终的输出。
fpn方面
其中detnet在s4,s5,s6都会输出特征图，每个stage的特征图都经过16倍的下采样，再经过1×1卷积进行特征融合。PS：目前还未特别研究fpn方面的内容，仅是说明自己的理解
模型训练
在这里采用了FashionMNIST数据集，其中将图片resize为224像素大小，最终得到10个分类预测输出，并计算了每轮训练的损失和预测的准确率。
总结：在查看并对比了原文代码的情况下才会发现自己写的代码仍有不足，有些地方代码运用还是比较冗余，而且对于原文模型部分方面理解得不是十分透彻，导致训练结果也比较一般，还需要继续努力。
论文原文:https://arxiv.org/pdf/1804.06215v2