CNN/ShuffleNet/ShuffleNet_ssd_caffe/readme.md
添加三个文件 ：
shuffle_channel_layer.cpp
shuffle_channel_layer.cu
shuffle_channel_layer.hpp
message LayerParameter {
...
optional ShuffleChannelParameter shuffle_channel_param = 164;
...
}
...
message ShuffleChannelParameter {
optional uint32 group = 1[default = 1]; // The number of group
}
make clean
make all -j
make pycaffe
| group 1 | group 2 | group 3 |
|---|---|---|
| 1 2 | 3 4 | 5 6 |
Each nubmer represents a channel of the feature map
1 2
3 4
5 6
1 3 5
2 4 6
| group 1 | group 2 | group 3 |
|---|---|---|
| 1 3 | 5 2 | 4 6 |
conv1： 3*3/2 24输出 + bn + scale + relu + 3*3/2 MAXpooling
----> resx1_match_conv（3*3/2 AVGpooling pad填充重要） --->
！ resx1： ----> resx1_conv1 1*1*54 + bn + scale + relu 3*3/2 *54dw 分组=54 + 1*1*216 ---> concat -----> relu
----> 无降采样 --->
resx2： ----> resx2_conv1 1*1*60 分组=3 ->通道重排CS -> 3*3 *60dw 分组=60 + 1*1*240 分组=3 --->add Eltwise--> relu
----> 无降采样 --->
resx3： ----> resx3_conv1 1*1*60 分组=3 ->通道重排CS -> 3*3 *60dw 分组=60 + 1*1*240 分组=3 --->add Eltwise--> relu
----> 无降采样 --->
resx4： ----> resx4_conv1 1*1*60 分组=3 ->通道重排CS -> 3*3 *60dw 分组=60 + 1*1*240 分组=3 --->add Eltwise--> relu
----> resx5_match_conv（3*3/2 AVGpooling pad填充重要） --->
！ resx5： ----> resx5_conv1 1*1*60 分组=3 ->通道重排CS -> 3*3/2 *60dw 分组=60 + 1*1*240 ---> concat--> relu
----> 无降采样 --->
resx6： ----> resx6_conv1 1*1*120 分组=3 ->通道重排CS -> 3*3 *120dw 分组=120 + 1*1*480 分组=3 --->add Eltwise--> relu
----> 无降采样 --->
resx7： ----> resx7_conv1 1*1*120 分组=3 ->通道重排CS -> 3*3 *120dw 分组=120 + 1*1*480 分组=3 --->add Eltwise--> relu
----> 无降采样 --->
resx8： ----> resx8_conv1 1*1*120 分组=3 ->通道重排CS -> 3*3 *120dw 分组=120 + 1*1*480 分组=3 --->add Eltwise--> relu
----> 无降采样 --->
resx9： ----> resx9_conv1 1*1*120 分组=3 ->通道重排CS -> 3*3 *120dw 分组=120 + 1*1*480 分组=3 --->add Eltwise--> relu
----> 无降采样 --->
resx10： ----> resx10_conv1 1*1*120 分组=3 ->通道重排CS -> 3*3 *120dw 分组=120 + 1*1*480 分组=3 --->add Eltwise--> relu
----> 无降采样 --->
resx11： ----> resx11_conv1 1*1*120 分组=3 ->通道重排CS -> 3*3 *120dw 分组=120 + 1*1*480 分组=3 --->add Eltwise--> relu
----> 无降采样 --->
resx12： ----> resx12_conv1 1*1*120 分组=3 ->通道重排CS -> 3*3 *120dw 分组=120 + 1*1*480 分组=3 --->add Eltwise--> relu
----> resx13_match_conv（3*3/2 AVGpooling pad填充重要） --->
！ resx13： ----> resx13_conv1 1*1*120 分组=3 ->通道重排CS -> 3*3/2 *120dw 分组=120 + 1*1*480 ---> concat--> relu
----> 无降采样 --->
resx14： ----> resx14_conv1 1*1*40 分组=3 ->通道重排CS -> 3*3 *240dw 分组=240 + 1*1*960 分组=3 --->add Eltwise--> relu
----> 无降采样 --->
resx15： ----> resx15_conv1 1*1*40 分组=3 ->通道重排CS -> 3*3 *240dw 分组=240 + 1*1*960 分组=3 --->add Eltwise--> relu
----> 无降采样 --->
! resx16： ----> resx16_conv1 1*1*40 分组=3 ->通道重排CS -> 3*3 *240dw 分组=240 + 1*1*960 分组=3 --->add Eltwise--> relu
conv18 1*1*256 + 3*3/2*512
conv19 1*1*128 + 3*3/2*256
conv20 1*1*128 + 3*3/2*256
conv21 1*1*64 + 3*3/2*128
#============dect
resx12 ------> loc 1*1*12
conf 1*1*63 (3*(20+1)=63)
box
resx16 ------> loc 1*1*24
conf 1*1*126 (6*(20+1)=126)
box
conv18 ------> loc 1*1*24
conf 1*1*126 (6*(20+1)=126)
box
conv19 ------> loc 1*1*24
conf 1*1*126 (6*(20+1)=126)
box
conv20 ------> loc 1*1*24
conf 1*1*126 (6*(20+1)=126)
box
conv21 ------> loc 1*1*24
conf 1*1*126 (6*(20+1)=126)
box
# ==== dect concat
concat loc
concat conf
concat box
# 一下根据不同阶段 使用不同的结构
# dect loss 训练train
MultiBoxLoss
# Reshape + Softmax + Flatten + DetectionOutput + DetectionEvaluate 测试test
# Reshape + Softmax + Flatten + DetectionOutput 开发 deploy