2. 程式人生 > >YOLOv3網路結構解析

YOLOv3網路結構解析

阿新 • • 發佈：2018-12-04

先貼一張結構圖鎮樓： 
layer filters size input output 
0 conv 32 3 x 3 / 1 416 x 416 x 3 -> 416 x 416 x 32 0.299 BFLOPs 
1 conv 64 3 x 3 / 2 416 x 416 x 32 -> 208 x 208 x 64 1.595 BFLOPs 
2 conv 32 1 x 1 / 1 208 x 208 x 64 -> 208 x 208 x 32 0.177 BFLOPs 
3 conv 64 3 x 3 / 1 208 x 208 x 32 -> 208 x 208 x 64 1.595 BFLOPs 
4 res 1 208 x 208 x 64 -> 208 x 208 x 64 
5 conv 128 3 x 3 / 2 208 x 208 x 64 -> 104 x 104 x 128 1.595 BFLOPs 
6 conv 64 1 x 1 / 1 104 x 104 x 128 -> 104 x 104 x 64 0.177 BFLOPs 
7 conv 128 3 x 3 / 1 104 x 104 x 64 -> 104 x 104 x 128 1.595 BFLOPs 
8 res 5 104 x 104 x 128 -> 104 x 104 x 128 
9 conv 64 1 x 1 / 1 104 x 104 x 128 -> 104 x 104 x 64 0.177 BFLOPs 
10 conv 128 3 x 3 / 1 104 x 104 x 64 -> 104 x 104 x 128 1.595 BFLOPs 
11 res 8 104 x 104 x 128 -> 104 x 104 x 128 
12 conv 256 3 x 3 / 2 104 x 104 x 128 -> 52 x 52 x 256 1.595 BFLOPs 
13 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 
14 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 
15 res 12 52 x 52 x 256 -> 52 x 52 x 256 
16 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 
17 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 
18 res 15 52 x 52 x 256 -> 52 x 52 x 256 
19 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 
20 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 
21 res 18 52 x 52 x 256 -> 52 x 52 x 256 
22 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 
23 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 
24 res 21 52 x 52 x 256 -> 52 x 52 x 256 
25 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 
26 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 
27 res 24 52 x 52 x 256 -> 52 x 52 x 256 
28 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 
29 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 
30 res 27 52 x 52 x 256 -> 52 x 52 x 256 
31 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 
32 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 
33 res 30 52 x 52 x 256 -> 52 x 52 x 256 
34 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 
35 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 
36 res 33 52 x 52 x 256 -> 52 x 52 x 256 
37 conv 512 3 x 3 / 2 52 x 52 x 256 -> 26 x 26 x 512 1.595 BFLOPs 
38 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 
39 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 
40 res 37 26 x 26 x 512 -> 26 x 26 x 512 
41 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 
42 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 
43 res 40 26 x 26 x 512 -> 26 x 26 x 512 
44 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 
45 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 
46 res 43 26 x 26 x 512 -> 26 x 26 x 512 
47 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 
48 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 
49 res 46 26 x 26 x 512 -> 26 x 26 x 512 
50 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 
51 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 
52 res 49 26 x 26 x 512 -> 26 x 26 x 512 
53 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 
54 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 
55 res 52 26 x 26 x 512 -> 26 x 26 x 512 
56 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 
57 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 
58 res 55 26 x 26 x 512 -> 26 x 26 x 512 
59 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 
60 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 
61 res 58 26 x 26 x 512 -> 26 x 26 x 512 
62 conv 1024 3 x 3 / 2 26 x 26 x 512 -> 13 x 13 x1024 1.595 BFLOPs 
63 conv 512 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BFLOPs 
64 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs 
65 res 62 13 x 13 x1024 -> 13 x 13 x1024 
66 conv 512 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BFLOPs 
67 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs 
68 res 65 13 x 13 x1024 -> 13 x 13 x1024 
69 conv 512 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BFLOPs 
70 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs 
71 res 68 13 x 13 x1024 -> 13 x 13 x1024 
72 conv 512 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BFLOPs 
73 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs 
74 res 71 13 x 13 x1024 -> 13 x 13 x1024 
75 conv 512 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BFLOPs 
76 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs 
77 conv 512 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BFLOPs 
78 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs 
79 conv 512 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BFLOPs 
80 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs 
81 conv 75 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 75 0.026 BFLOPs 
82 yolo 
83 route 79 
84 conv 256 1 x 1 / 1 13 x 13 x 512 -> 13 x 13 x 256 0.044 BFLOPs 
85 upsample 2x 13 x 13 x 256 -> 26 x 26 x 256 
86 route 85 61 
87 conv 256 1 x 1 / 1 26 x 26 x 768 -> 26 x 26 x 256 0.266 BFLOPs 
88 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 
89 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 
90 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 
91 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 
92 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 
93 conv 75 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 75 0.052 BFLOPs 
94 yolo 
95 route 91 
96 conv 128 1 x 1 / 1 26 x 26 x 256 -> 26 x 26 x 128 0.044 BFLOPs 
97 upsample 2x 26 x 26 x 128 -> 52 x 52 x 128 
98 route 97 36 
99 conv 128 1 x 1 / 1 52 x 52 x 384 -> 52 x 52 x 128 0.266 BFLOPs 
100 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 
101 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 
102 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 
103 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 
104 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 
105 conv 75 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 75 0.104 BFLOPs 
106 yolo

然後逐層解析：

卷積層：

  • layer filters size input output 
    0 conv 32 3 x 3 / 1 416 x 416 x 3 -> 416 x 416 x 32 0.299 BFLOPs 
    輸入層： 
    • 輸入：畫素為416*416，通道數為3的的圖片（開啟random引數的話可以自適應以32為基礎的變化，）
    • BN操作：對輸入進行BN操作（這裡未顯示）。
    • 卷積操作：32層卷積核（filters），每個卷積核大小為3*3，步伐為1（每個卷積視窗逐步進行卷積）。
    • 輸出：32個通道的416*416大小的feature map

res層（shortcut操作）：

  • layer filters size input output 
    4 res 1 208 x 208 x 64 -> 208 x 208 x 64 
    res層： 
    • 輸入與輸出：輸入與輸出一般保持一致，並且不進行其他操作，只是求差。
    • 處理操作：res層來源於resnet，為了解決網路的梯度彌散或者梯度爆炸的現象，提出將深層神經網路的逐層訓練改為逐階段訓練，將深層神經網路分為若干個子段，每個小段包含比較淺的網路層數，然後用shortcut的連線方式使得每個小段對於殘差進行訓練，每一個小段學習總差（總的損失）的一部分，最終達到總體較小的loss，同時，很好的控制梯度的傳播，避免出現梯度消失或者爆炸等不利於訓練的情形。

darknet-53:

  • 從第0層一直到74層，一共有53個卷積層，其餘為res層。這就是Joseph Redmon大神提出的darknet-53經典的卷積層了。作為yolov3特徵提取的主要網路結構。預訓練（以imagenet資料集為訓練基礎）的權重檔案可以通過官網下載。該結構使用一系列的3*3和1*1的卷積的卷積層。這些卷積層是從各個主流網路結構選取效能比較好的卷積層進行整合得到。它比darknet-19效果好很多，同時，它在效果更好的情況下，是resnet-101效率的1.5倍，幾乎與resnet-152的效果相同的情況下，保持2倍於resnet-152的效率。

YOLO部分

從75到105層我為yolo網路的特徵互動層，分為三個尺度，每個尺度內，通過卷積核的方式實現區域性的特徵互動，作用類似於全連線層但是是通過卷積核（3*3和1*1）的方式實現feature map之間的區域性特徵（fc層實現的是全域性的特徵互動）互動。

  • 最小尺度yolo層： 
    • 輸入：13*13的feature map ，一共1024個通道。
    • 操作：一系列的卷積操作，feature map的大小不變，但是通道數最後減少為75個。
    • 輸出；輸出13*13大小的feature map，75個通道，在此基礎上進行分類和位置迴歸。

  • 中尺度yolo層：

    • 輸入：將79層的13*13、512通道的feature map進行卷積操作，生成13*13、256通道的feature map，然後進行上取樣，生成26*26、256通道的feature map，同時於61層的26*26、512通道的中尺度的feature map合併。再進行一系列卷積操作，
    • 操作：一系列的卷積操作，feature map的大小不變，但是通道數最後減少為75個。
    • 輸出：26*26大小的feature map，75個通道，然後在此進行分類和位置迴歸。

  • 大尺度的yolo層：

    • 輸入：將91層的26*26、256通道的feature map進行卷積操作，生成26*26、128通道的feature map，然後進行上取樣生成52*52、128通道的feature map，同時於36層的52*52、256通道的中尺度的feature map合併。再進行一系列卷積操作，
    • 操作：一系列的卷積操作，feature map的大小不變，但是通道數最後減少為75個。
    • 輸出：52*52大小的feature map，75個通道，然後在此進行分類和位置迴歸。

整個網路結構就是這樣了。

相關推薦

YOLOv3網路結構解析

先貼一張結構圖鎮樓：  layer filters size input output  0 conv 32 3 x 3 / 1 416 x 416 x 3 -> 416 x 416 x 32 0.299 BFLOPs  1 conv 64 3 x 3 / 2 4

YOLOv3網路結構細緻解析

先貼一張結構圖鎮樓： layer filters size input output 0 conv 32 3 x 3 / 1 416 x 416 x 3 -&

深度學習-yolov3網路結構

可結合第一張與第二張理解網路結構layer filters size input output 0 conv 32 3 x 3 / 1 416 x 416 x 3 ->

caffe網路結構解析

一、均值檔案是什麼： 下面是make_imagenet_mean.sh裡面的內容 #!/usr/bin/env sh # Compute the mean image from the imagenet training lmdb # N.B. this is avail

yolov3網路結構分析

圖片為引用後補充，若侵權則刪除。 darknet53表示有53個卷積層，實際共佔74層(按執行時輸出的網路結構來算). detection層負責預測某個規模(劃分grid數目,有3個規模13,26,52分別於82,94,106層預測)的boxes迴歸值(每個格子預

Yolov3原始碼解析：reorg_cpu

函式原型如下， void reorg_cpu(float *x, int out_w, int out_h, int out_c, int batch, int stride, int forward, float *out) { int b,i,j,k;

深度學習論文翻譯解析（一）：YOLOv3: An Incremental Improvement

cluster tina ble mac 曾經 media bject batch 因此 原標題： YOLOv3: An Incremental Improvement 原作者： Joseph Redmon Ali Farhadi YOLO官網：YOLO: Real-Tim

OpenVPN協議解析-網路結構之外

分享一下我老師大神的人工智慧教程！零基礎，通俗易懂！http://blog.csdn.net/jiangjunshow 也歡迎大家轉載本篇文章。分享知識，造福人民，實現我們中華民族偉大復興！        

Darknet yolov3 Makefile檔案解析

現在搞深度學習都在linux平臺，經常遇到gcc手動編譯的時候。由於linux平臺沒有通用的IDE，大家都是靠Makefile配置檔案進行make。在學習darknet框架的過程中，決定要順便搞清楚Makefile的寫法和引數配置。Makefile完整的教程網

關於yolov3的網路結構理解

畢業開題答辯很順利，但是感覺自己真的給自己挖了個大坑啊。想哭。。。。。真的不知道怎麼開展自己的工作，還是先補一些基礎知識。寫一些部落格，把之前做的工作記錄一下。 最近在看yolov3的網路結構，瞭解了一下yolov3的cfg檔案。 看了很多部落格，但是還是理解的不是特別明白，部落格中的圖片是

從Tensorflow模型檔案中解析並顯示網路結構圖（CKPT模型篇）

上一篇文章《從Tensorflow模型檔案中解析並顯示網路結構圖（pb模型篇）》中介紹瞭如何從pb模型檔案中提取網路結構圖並實現視覺化,本文介紹如何從CKPT模型檔案中提取網路結構圖並實現視覺化。理論上

FAN 人臉對齊網路結構詳細解析

    針對 How far are we from solving the 2D & 3D Face Alignment problem? (and a dataset of 230,000 3D facial landmarks)該論文提出的FAN網路，

BiSeNet 語義分割公眾號幸運飛艇原始碼下載網路結構詳細解析

針對 BiSeNet: Bilateral Segmentation Network for Real-time Semantic Segmentation.該論文公眾號幸運飛艇原始碼下載QQ2952777280【話仙原始碼論壇】 hxforum.com 提出的語義分割網路，根據第三方實現

NCNN（2）--網路結構檔案.param解析

LeNet模型為例 由Caffe的lenet_deploy.prototxt檔案轉換得到 name: "LeNet" layer { name: "data" type: "Input" top: "data" input_param { shape: { dim

CNN網路結構層次解析

輸入層 卷積層 卷積核其實就是權值  1.2 池化層（Pooling） 1.ReLU非線性特徵  一句話概括：不用simgoid和tanh作為啟用函式，而用ReLU作為啟用函式的原因是：加速收斂。 因為sigmoid和tanh都是飽和(sat

Visual Studio 2017各版本安裝包離線下載、安裝全解析

pla 離線文件 win10 unit splay and 文件下載 python擴展 erl 轉自 寂靜·櫻花雨 Visual Studio 2017各版本安裝包離線下載、安裝全解析 感謝IT之家網友 寂靜·櫻花雨 的投稿 關於Visual

redis配置詳細解析

keep turn name sort out 配置文件 trac lte eid # redis 配置文件示例 # 當你需要為某個配置項指定內存大小的時候，必須要帶上單位， # 通常的格式就是 1k 5gb 4m 等： # # 1k => 1000 bytes

網頁內容解析簡單實現

return end pro spa del crawl 測試 節點 nod 概述 　　在日常開發工作中，有時候我們需要去一些網站上抓取數據，要想抓取數據，就必須先了解網頁結構，根據具體的網頁結構，編寫對應的程序對數據進行采集。最近剛好有一個需求，需要更新收貨地址

提升HTML5的性能體驗系列之五 webview啟動速度優化及事件順序解析

執行時間 很快 runt 代碼 模式 本地 技術 apk loaded webview加載時有5個事件。觸發順序為loading、titleUpdate、rendering、rendered、loaded。webview開始載入頁面時觸發loading，載入過程中如果&am

tasker中js解析json

code return asi span spa erro log img net { "translation": [ "愛" ], "basic": { "us-phonetic": "l?v", "phone