深度学习篇---卷积网络结构

---

---

前言

本文简单介绍了CNN卷积神经网络与残差块实现回归任务的代码以及接下来的优化方案。

---

一、代码

class EnhancedCnnModel(nn.Layer):def __init__(self):super().__init__()self.features = nn.Sequential(# Stage 1 (128x128 -> 64x64)nn.Conv2D(3, 32, 5, stride=2, padding=2),nn.BatchNorm2D(32),nn.LeakyReLU(0.2),ResidualBlock(32, 32, 3, 1),# Stage 2 (64x64 -> 32x32)nn.Conv2D(32, 64, 5, stride=2, padding=2),nn.BatchNorm2D(64),nn.LeakyReLU(0.2),ResidualBlock(64, 64, 3, 1),# Stage 3 (32x32 -> 16x16)nn.Conv2D(64, 128, 3, stride=2, padding=1),nn.BatchNorm2D(128),nn.LeakyReLU(0.2),ResidualBlock(128, 128, 3, 1),# Feature Aggregationnn.AdaptiveAvgPool2D(1),nn.Flatten(),# Regression Headnn.Linear(128, 64),nn.LayerNorm(64),nn.LeakyReLU(0.2),nn.Dropout(0.3),nn.Linear(64, 1))def forward(self, x):return self.features(x)

二、网络介绍

1. 模型继承与初始化

class EnhancedCnnModel(nn.Layer):def __init__(self):super().__init__()self.features = nn.Sequential(...)

功能

功能：定义继承自 nn.Layer 的模型类，使用 nn.Sequential 容器按顺序堆叠各层。

关键点

关键点：super().init() 确保正确初始化父类。

2. Stage 1：初始特征提取

nn.Conv2D(3, 32, 5, stride=2, padding=2),
nn.BatchNorm2D(32),
nn.LeakyReLU(0.2),
ResidualBlock(32, 32, 3, 1)

解析

输入：[B, 3, 128, 128]（B为Batch Size）
操作：
卷积层：5x5卷积核，32个输出通道，stride=2，padding=2。
输出尺寸：(128-5+2*2)/2 +1 = 64 → [B, 32, 64, 64]
批归一化：加速训练，稳定梯度。
LeakyReLU：负区间斜率0.2，缓解神经元死亡。
残差块：保持输入输出维度一致（32通道，3x3卷积，stride=1）。

3. Stage 2：空间下采样

nn.Conv2D(32, 64, 5, stride=2, padding=2),
nn.BatchNorm2D(64),
nn.LeakyReLU(0.2),
ResidualBlock(64, 64, 3, 1)

解析

输入：[B, 32, 64, 64]
操作：
卷积层：5x5卷积核，64通道，stride=2，padding=2。
输出尺寸：(64-5+4)/2 +1 = 32 → [B, 64, 32, 32]
批归一化 & 激活：同上。
残差块：维持64通道，无尺寸变化。

4. Stage 3：深层特征提取

nn.Conv2D(64, 128, 3, stride=2, padding=1),
nn.BatchNorm2D(128),
nn.LeakyReLU(0.2),
ResidualBlock(128, 128, 3, 1)

解析

输入：[B, 64, 32, 32]
操作：
卷积层：3x3卷积核，128通道，stride=2，padding=1。
输出尺寸：(32-3+2)/2 +1 = 16 → [B, 128, 16, 16]
批归一化 & 激活：同上。
残差块：维持128通道，无尺寸变化。

5. 特征聚合

nn.AdaptiveAvgPool2D(1),
nn.Flatten()

输入：[B, 128, 16, 16]
操作：
自适应平均池化：将每个通道的特征图压缩为1x1。
输出尺寸：[B, 128, 1, 1]
展平：转换为向量 → [B, 128]

6. 回归头（预测分支）

nn.Linear(128, 64),
nn.LayerNorm(64),
nn.LeakyReLU(0.2),
nn.Dropout(0.3),
nn.Linear(64, 1)

操作：
全连接层：128 → 64维。
层归一化：稳定特征分布。
LeakyReLU：保持非线性。
Dropout：30%概率丢弃神经元，防止过拟合。
输出层：64 → 1维，直接输出回归值。

7. 前向传播

def forward(self, x):return self.features(x)

解析

流程：输入依次通过所有层，输出最终预测值。

三、关键设计分析

1. 残差块 (ResidualBlock)

作用

作用：缓解梯度消失，允许训练更深网络。

实现：

class ResidualBlock(nn.Layer):def __init__(self, in_channels, out_channels, kernel_size, stride):super().__init__()# 主分支self.conv1 = nn.Conv2D(in_channels, out_channels, kernel_size, stride, padding=kernel_size//2)self.bn1 = nn.BatchNorm2D(out_channels)self.relu = nn.LeakyReLU(0.2)self.conv2 = nn.Conv2D(out_channels, out_channels, kernel_size, 1, padding=kernel_size//2)self.bn2 = nn.BatchNorm2D(out_channels)# 捷径分支self.shortcut = nn.Sequential()if stride != 1 or in_channels != out_channels:self.shortcut = nn.Sequential(nn.Conv2D(in_channels, out_channels, 1, stride),nn.BatchNorm2D(out_channels))def forward(self, x):identity = self.shortcut(x)out = self.relu(self.bn1(self.conv1(x)))out = self.bn2(self.conv2(out))out += identityreturn self.relu(out)

关键点：

当输入输出通道数或步长不一致时，使用1x1卷积调整维度。
跳跃连接后再次激活，增强非线性。

2. 特征聚合设计

AdaptiveAvgPool2D：将任意尺寸特征图统一为1x1，避免全连接层输入尺寸固定。
优势：支持可变输入尺寸（如不同分辨率图像）。

3. 回归头设计

层归一化：对小批量数据更鲁棒。
Dropout：减少全连接层的过拟合风险。
输出层无激活：直接输出任意范围的值，适合回归任务。

四、输入输出规范

项目 说明
输入 [B, 3, H, W]，建议H=W=128
数据类型 float32，像素值归一化到[0,1]
输出 [B, 1]，回归值（如转向量）

五、预测示例代码

import paddle
import cv2
import numpy as npclass LanePredictor:def __init__(self, model_path):self.model = EnhancedCnnModel()self.model.eval()state_dict = paddle.load(model_path)self.model.set_state_dict(state_dict)self.transform = paddle.vision.transforms.Compose([paddle.vision.transforms.Resize((128, 128)),paddle.vision.transforms.Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5])])def preprocess(self, image):"""处理单张OpenCV BGR图像"""image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)image = image.astype('float32') / 255.0image = self.transform(image).transpose((2, 0, 1))  # HWC → CHWreturn paddle.to_tensor(image[np.newaxis, ...])     # 增加Batch维度def predict(self, image):tensor = self.preprocess(image)with paddle.no_grad():output = self.model(tensor)return output.numpy()[0][0]  # 返回标量预测值# 使用示例
predictor = LanePredictor("model.pdparams")
image = cv2.imread("test.jpg")
prediction = predictor.predict(image)
print("Predicted control value:", prediction)

六、可能改进方向

1.注意力机制

注意力机制：在残差块后加入SE模块，增强通道特征选择。

2.多尺度特征

多尺度特征：使用FPN结构融合不同层次特征。

3.时序建模

时序建模：添加LSTM处理连续帧，提升循迹稳定性。

4.轻量化

轻量化：替换深度可分离卷积，减少计算量。

---