YOLOv3 网络结构

YOLOv3一共107层，其中，0到74层为卷积层和res层；75-105为yolo层，具备检测功能，分类和回归。采用逻辑回归预测box

1.每一个小的卷积层内容：

conv2d+BatchNorm2d+LeakyRELU

这样的卷积结构先是有4个，

2.shortcuts:即skip步骤，resnet结构

输入与输出保持一致。为了解决网络的梯度弥散或者梯度爆炸的现象，提出将深层神经网络的逐层训练改为逐阶段训练，将深层神经网络分为若干个子段，每个小段包含比较浅的网络层数，然后用shortcut的连接方式使得每个小段对于残差进行训练，每一个小段学习总差（总的损失）的一部分，最终达到总体较小的loss，同时，很好的控制梯度的传播，避免出现梯度消失或者爆炸等不利于训练的情形。

3.yolo层，检测层

从75到105层为yolo网络的特征交互层，分为三个尺度，每个尺度内，通过卷积核的方式实现局部的特征交互，作用类似于全连接层但是是通过卷积核（3*3和1*1）的方式实现feature map之间的局部特征（fc层实现的是全局的特征交互）交互。

最小尺度yolo层：
输入：13*13的feature map ，一共1024个通道。
操作：一系列的卷积操作，feature map的大小不变，但是通道数最后减少为75个。
输出；输出13*13大小的feature map，75个通道，在此基础上进行分类和位置回归。
中尺度yolo层：

输入：将79层的13*13、512通道的feature map进行卷积操作，生成13*13、256通道的feature map，然后进行上采样，生成26*26、256通道的feature map，同时于61层的26*26、512通道的中尺度的feature map合并。再进行一系列卷积操作，
操作：一系列的卷积操作，feature map的大小不变，但是通道数最后减少为75个。
输出：26*26大小的feature map，75个通道，然后在此进行分类和位置回归。
大尺度的yolo层：

输入：将91层的26*26、256通道的feature map进行卷积操作，生成26*26、128通道的feature map，然后进行上采样生成52*52、128通道的feature map，同时于36层的52*52、256通道的中尺度的feature map合并。再进行一系列卷积操作，
操作：一系列的卷积操作，feature map的大小不变，但是通道数最后减少为75个。
输出：52*52大小的feature map，75个通道，然后在此进行分类和位置回归。

4.本文引用：https://blog.csdn.net/wwwhp/article/details/82113678

YOLOv3 网络结构相关推荐

【华为云技术分享】小白学YOLO：YOLOv3网络结构细致解析
Yolov3 网络结构在博客"Yolo发展历史及网络结构"中我们已经详细的解释了Yolov1的网络结构,并简要的提到了Yolov2与Yolov3对于网络结构的改进,本篇博客将详细 ...
YOLOv3网络结构细致解析
YOLOv3网络结构细致解析先贴一张结构图镇楼: layer filters size input output 0 conv 32 3 x 3 / 1 416 x 416 x 3 -> 41 ...
pytorch实现Yolov3网络结构
#基于torch的yolov3网络结构Darknet53实现最近一段时间在研究目标检测,先从yolov3看起.本文讲下如何使用pytorch实现yolov3网络结构中的DarkNet53网络结构. ...
YOLOV3 网络结构学习笔记
注:本文非原创,文章内容都是引用以下文章中,本文只是记录学习笔记. yolo系列之yolo v3[深度解析]_木盏的博客-CSDN博客_yolo3 YOLO v3算法详解_'Atlas'的博客-CSD ...
YOLOV3网络结构搭建
YOLOV3 一.定义一个残差结构 # 残差结构 # 利用一个1x1卷积下降通道数,然后利用一个3x3卷积提取特征并且上升通道数 # 最后接上一个残差边 #---------------------- ...
yolov3网络结构笔记
从yolo3_darknet53_coco(gluoncv/model_zoo/yolo/yolo3.py )调试获得,供参考 ------------------------------------ ...
YOLOv3网络结构
YOLOv3使用的是全连接层,论文中的结构图: 每层输出情况: layer filters size input output0 conv 32 3 x 3 / 1 416 x 416 x 3 -&g ...
Yolov3网络架构分析
Yolov3网络架构分析上图三个蓝色方框内表示Yolov3的三个基本组件:  CBL:Yolov3网络结构中的最小组件,由Conv+Bn+Leaky_relu激活函数三者组成.  Res uni ...
【目标检测】yolo系列：从yolov1到yolov5之YOLOv3详解及复现
在v1.v2的原理和技巧介绍之后,v3除了网络结构,其余的改变并不多.本文着重描述yolov3的原理细节. 相关阅读: 论文:YOLOv3: An Incremental Improvement 源码 ...
【yolo】yolov3的pytorch版本保存自定义数据集训练好的权重，并载入自己的模型
多次试验终于测出来了!!很高兴,结果截图: 数据集是来自网上的,代码原型是github一个大概五千多star的pytorch-yolov3,但原代码并没有载入自己的模型进行训测试阶段,然后parser ...

YOLOv3 网络结构

YOLOv3 网络结构相关推荐

最新文章

热门文章