Cross Stage Partial Network(CSPNet)
降低计算量，同时保持或提升精度
主要做的贡献如下（可能之前有人已提出）：
- 提出一种思想，特征融合方式（降低计算量的同时保证精度）
二. 模块详解
2.1 论文思路简介
论文其实非常简单，和shufflenetV2中的InvertedResidual基本差不多，只不过这是一种思想，可以扩展到FPN、DenseBlock、ResBlock之类的结构中。
画个简图，核心思想就是将输入切分，后面怎么操作就看个人需求了，当然这是试验得到的结果
关于推导部分，笔者认为不严谨。深度学习本身就是一门试验学科，你强你上，理论都是试验结果出来再去推导（凑）。
下图是将CSP结合到FPN之中
2.2 具体实现
2.2.1 具体实现
[](https://github.com/WongKinYiu/CrossStagePartialNetworks/issues/24)
三. 参考文献
- 原始论文