0


【深度学习笔记】特征融合concat和add的区别

问题

在网络模型当中,经常要进行不同通道特征图的信息融合相加操作,以整合不同通道的信息,在具体实现方面特征的融合方式一共有两种,一种是 ResNet 和 FPN 等当中采用的 element-wise add ,另一种是 DenseNet 等中采用的 concat 。他们之间有什么区别呢?

add

以下是 keras 中对 add 的实现源码:

def_merge_function(self, inputs):
    output = inputs[0]for i inrange(1

本文转载自: https://blog.csdn.net/liufang_imei/article/details/128824768
版权归原作者 CODER8R 所有, 如有侵权,请联系我们删除。

“【深度学习笔记】特征融合concat和add的区别”的评论:

还没有评论