YOLOv3中darknet的各种层的说明

激活函数：

很多层里面有 activation 这一项，这是激活函数，我看到的配置文件里面最常用的就3个：
LINEAR：啥都不干
RELU ：值 > 0时保持不变，小于0时置0
LEAKY ：值 > 0时保持不变，小于0时值 * 0.1 （类似于caffe的prelu层）

卷积层：

[convolutional]
filters=96 # 输出blob通道数
size=11 # 卷积核尺寸 (长宽相同)，等价于caffe里面的kernel_w, kernel_h
stride=4 # 移动步长
pad=0 # 是否在边缘补 0 最终的padding为size/2（当pad = 1）
activation=relu # Relu 激活函数

shortcut 层：

类似于caffe 的 eltwise 层（add），也就是把两个c h w都相同的两个层相加成一个相同c h w的层。[shortcut]from=-3 #和往前数第三个层相加
activation=linear

route 层：

route layer层主要是把对应的层连接在一起，在darknet 网络结构中，要求输入层对应的width、height必须相等，如果不相等，则把route layer层的输出w,h,c都设置为0。例如输入层1：26*26*256 输入层2：26*26*128 则route layer输出为：26*26*（256+128）它具有可以具有一个或两个值的属性层。当属性只有一个值时，它会输出由该值索引的网络层的特征图。类似于caffe的concat层。

[route]

layers = -1, 61

upsample 层：

上采样，功能类似最邻近差值缩放算法

[upsample]

stride=2

yolo层（YOLOV3新增的层）：

[yolo]

mask = 0,1,2 #当前属于第几个预选框

anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326 #预选框，将样本通过k-means算法计算出来的值

classes=80 #网络需要识别的物体种类数

num=9 #预选框的个数，即anchors总数

jitter=.3 #通过抖动增加噪声来抑制过拟合

ignore_thresh = .7

truth_thresh = 1

random=1 #设置为0，表示关闭多尺度训练（显存小可以设置0）

YOLOv3中darknet的各种层的说明相关推荐

YOLOV3中Darknet中cfg文件说明和理解
darknet 是由 C 和 CUDA 开发的,不需要配置其他深度学习的框架(如,tensorflow.caffe 等),支持 CPU 和 GPU 运算,而且安装过程非常简单. 1.cfg文件说明理解 ...
YOLOv3：Darknet代码解析（四）结构更改与训练
背景:我们需要降低YOLOv2-tiny的参数量和存储量,以便硬件实现. 目的:更改YOLO结构,去掉后面的两层卷积层,降低参数量和运算量. 相关文章: YOLOv3:Darknet代码解析(一)安装 ...
yolov3 使用darknet的python接口处理单张图片和视频和摄像头视频流
目标使用yoloV3 darknet 自带的 python 接口(即darknet.py 文件)处理图片和视频. 具体的说有三种场景: 1 指定一张图片的位置,进行model预测+画框+另存为新图片 ...
android img标签属性_微信小程序组件叠加效果（如 Android 中的添加蒙层）
实现的效果如下: 可以看出这是由image组件和text组件叠加到一块组成的蒙层效果. 在小程序中实现这个效果主要用到z-index属性和position属性 z-index的使用必须是双方组件都设置 ...
怎么在Caffe中配置每一个层的结构
如何在Caffe中配置每一个层的结构最近刚在电脑上装好Caffe,由于神经网络中有不同的层结构,不同类型的层又有不同的参数,所有就根据Caffe官网的说明文档做了一个简单的总结. 1. Vision ...
YOLOv3中Loss
yolov3 的 loss ,今天终于看完了yolov3-tf2 的源码 YOLOv3中Loss部分计算代码 #终点的loss= obj_mask * box_loss_scale*sum((px1 ...
python中复制、浅层拷贝、深层拷贝的区别
python中复制.浅层拷贝.深层拷贝的区别一.学习要点: 1.python中的复制与拷贝的区别 2.python中浅层拷贝与深层拷贝的区别二.代码: import copy a=[1,2,3,4 ...
cnn池化层输入通道数_（pytorch-深度学习系列）CNN中的池化层-学习笔记
CNN中的池化层首先,池化(pooling)层的提出是为了缓解卷积层对位置的过度敏感性. 什么意思? 比如在图像边缘检测问题中,实际图像里,我们的目标物体不会总出现在固定位置,即使我们连续拍摄同一个 ...
iou画 yolov3_专栏 | 【从零开始学习YOLOv3】4. YOLOv3中的参数进化
原标题:专栏 | [从零开始学习YOLOv3]4. YOLOv3中的参数进化前言:YOLOv3代码中也提供了参数进化(搜索),可以为对应的数据集进化一套合适的超参数.本文建档分析一下有关这部分的操作 ...

YOLOv3中darknet的各种层的说明

YOLOv3中darknet的各种层的说明相关推荐

最新文章

热门文章