Conv4_x、Conv8_x在SSD中代表什么

Question

在paper中提出的SSD模型中，据说基础网络被认为是VGG16，并在其末尾添加了额外的特征层，允许以不同的尺度生成特征图，长宽比。

我的问题是在SSD论文中图2（如下所示）所示的架构中，卷积层的符号如

Conv5_3

，

Conv4_3

，对于基础网络

Conv8_2

，

 Conv9_2

、

Conv10_2

用于添加的特征层。

这个 _2, _3 符号在卷积层表示中意味着什么？

我在SSD模型描述页面中看到了相同的符号，其中基础网络VGG16更改为ResNET50，并使用了Conv5_x、Conv4_x等符号。

这个 _x 对于卷积层表示法意味着什么？

Answer 1

仅这篇论文对于描述您感兴趣的符号可能没有多大帮助；但是，相应的代码存储库添加了更多信息：

例如，如果我们查看

ssd_pascal.py

，我们可以看到在何处创建具有此类名称的图层，例如（从第 23 行开始）：

    out_layer = "conv6_1"
    ConvBNLayer(net, from_layer, out_layer, use_batchnorm, use_relu, 256, 1, 0, 1,
        lr_mult=lr_mult)

    from_layer = out_layer
    out_layer = "conv6_2"
    ConvBNLayer(net, from_layer, out_layer, use_batchnorm, use_relu, 512, 3, 1, 2,
        lr_mult=lr_mult)

现在，我们还应该看一下

ConvBNLayer

中

model_libs.py的定义（从第30行开始）：

def ConvBNLayer(net, from_layer, out_layer, use_bn, use_relu, num_output,
    kernel_size, pad, stride, dilation=1, use_scale=True, lr_mult=1,
    conv_prefix='', conv_postfix='', bn_prefix='', bn_postfix='_bn',
    scale_prefix='', scale_postfix='_scale', bias_prefix='', bias_postfix='_bias',
    **bn_params):

然后我们可以将这些信息拼凑在一起并添加一些猜测：

• 从技术上讲，

  conv#_1

  和

  conv#_2

  始终是两个卷积网络层；即，

  ConvBNLayer

  的实例，在网络架构中紧接着一个接着一个。它们有时在输出通道数（例如上面的 256 与 512）、内核大小（例如上面的 1 与 3）、填充量（例如上面的 0 与 1）以及步幅（例如上面的 1 与 1）上有所不同。上面 2）。

• 逻辑上，对于作者来说，这两层似乎被视为同一网络层的子层，因此有

  _1

  和

  _2

  后缀。看图就清楚了，例如“Conv8_2”的插图，下面写的是：
  • 插图是作者认为其网络第 8 层的输出：输入图像的 10x10x512 特征空间表示。
  • “Conv: 1x1x256”意味着，我们首先有一个内核大小为 1 和 256 个输出通道的子层，然后是……
  • “Conv: 3x3x512-s2”，即内核大小为 3、512 个输出通道、步幅为 2 的子层。

请注意，图中层的名称和数量与

ssd_pascal.py

的名称和数量不匹配（后者在“conv9_2”之后结束，其步长与图中不同），但方案应该是同样，假设作者的工作具有一定的一致性。

至于你的最后一个问题：在SSD描述页面中，他们写的是例如

• 从原始分类模型中删除了 conv5_x、avgpool、fc 和 softmax 层。
• conv4_x 中的所有步幅均设置为 1x1。

我假设“x”只是作为后缀

_1

、

_2

的占位符，因此应解读如下：conv5_1和conv5_2被删除，conv4_1和conv4_2中的所有步幅都设置为1x1。