Attention-CNN（Jianlong-Fu 大神制作）

import mxnet as mx
import proposal
import proposal_target
from rcnn.config import config

eps = 2e-5
use_global_stats = True
workspace = 512
res_deps = {‘50‘: （3 4 6 3） ‘101‘: （3 4 23 3） ‘152‘: （3 8 36 3） ‘200‘: （3 24 36 3）}
units = res_deps[‘101‘]
filter_list = [256 512 1024 2048]


def residual_unit（data num_filter stride dim_match name）:
    bn1 = mx.sym.BatchNorm（data=data fix_gamma=False eps=eps use_global_stats=use_global_stats name=name + ‘_bn1‘）
    act1 = mx.sym.Activation（data=bn1 act_type=‘relu‘ name=name + ‘_relu1‘）
    conv1 = mx.sym.Convolution（data=act1 num_filter=int（num_filter * 0.25） kernel=（1 1） stride=（1 1） pad=（0 0）
                               no_bias=True workspace=workspace name=name + ‘_conv1‘）
    bn2 = mx.sym.BatchNorm（data=conv1 fix_gamma=False eps=eps use_global_stats=use_global_stats name=name + ‘_bn2‘）
    act2 = mx.sym.Activation（data=bn2 act_type=‘relu‘ name=name + ‘_relu2‘）
    conv2 = mx.sym.Convolution（data=act2 num_filter=int（num_filter * 0.25） kernel=（3 3） stride=stride pad=（1 1）
                               no_bias=True workspace=workspace name=name + ‘_conv2‘）
    bn3 = mx.sym.BatchNorm（data=conv2 fix_gamma=False eps=eps use_global_stats=use_global_stats name=name + ‘_bn3‘）
    act3 = mx.sym.Activation（data=bn3 act_type=‘relu‘ name=name + ‘_relu3‘）
    conv3 = mx.sym.Convolution（data=act3 num_filter=num_filter kernel=（1 1） stride=（1 1） pad=（0 0） no_bias=True
                               workspace=workspace name=name + ‘_conv3‘）
    if dim_match:
        shortcut = data
    else:
        shortcut = mx.sym.Convolution（data=act1 num_filter=num_filter kernel=（1 1） stride=stride no_bias=True
                                      workspace=workspace name=name + ‘_sc‘）
    sum = mx.sym.ElementWiseSum（*[conv3 shortcut] name=name + ‘_plus‘）
    return sum


def get_resnet_conv（data）:
    # res1
    data_bn = mx.sym.BatchNorm（data=data fix_gamma=True eps=eps use_global_stats=use_global_stats name=‘bn_data‘）
    conv0 = mx.sym.Convolution（data=data_bn num_filter=64 kernel=（7 7） stride=（2 2） pad=（3 3）
                               no_bias=True name=“conv0“ workspace=workspace）
    bn0 = mx.sym.BatchNorm（data=conv0 fix_gamma=False eps=eps use_global_stats=use_global_stats name=‘bn0‘）
    relu0 = mx.sym.Activation（data=bn0 act_type=‘relu‘ name=‘relu0‘）
    pool0 = mx.symbol.Pooling（data=relu0 kernel=（3 3） stride=（2 2） pad=（1 1） pool_type=‘max‘ name=‘pool0‘）

    # res2
    unit = residual_unit（data=pool0 num_filter=filter_list[0] stride=（1 1） dim_match=False name=‘stage1_unit1‘）
    for i in range（2 units[0] + 1）:
        unit = residual_unit（data=unit num_filter=filter_list[0] stride=（1 1） dim_match=True name=‘stage1_unit%s‘ % i）

    # res3
    unit = residual_unit（data=unit num_filter=filter_list[1] stride=（2 2） dim_match=False name=‘stage2_unit1‘）
    for i in range（2 units[1] + 1）: