YOLO V3 网络结构理解

目录

 

yolov3部分网络结构图

yolo v3每层的输入输出大小

最直观的yolo v3结构图

yolov3细节点

---

yolov3部分网络结构图

---

 输入大小608*608

yolov3开头结构

 

第一个yolo层

 

第二个yolo输出层

 

第三个yolo输出层

 

---

yolo v3每层的输入输出大小

以下图片来自  https://blog.csdn.net/zw__chen/article/details/84322511

输入图片大小416*416

 第一层yolo: 13*13*255       255 = (4+1+80)*3 = 85*3

第二层yolo: 26*26*255

第三层yolo: 52*52*255

---

最直观的yolo v3结构图

以下图片来自博客  https://blog.csdn.net/zw__chen/article/details/84322511

---

yolov3细节点

yolov3 = Resnet + darknet-53 + FPN

输入图片大小：416*416

32倍下采样：   13*13

16倍下采样：   26*26

 8倍下采样：    52*52

采用多尺度预测

每个尺度三种大小的锚点：一共有9种锚点（3*3）

每个特征图网格预测3个bbox    每个网格输出的维度为（4+1+80）bbox坐标+ bbox conf + class score

 

由于检测是在三个尺度上进行的，预测图的维度是不同的。虽然三个特征图的维度不同，但对它们执行的输出处理过程是相似的。测试的时候会做相应的工作将三个尺度的输出结果组合为单个张量

最终预测单张图像时，网络输出的维度为：1×10647×85

第一个维度为批量大小

第二个维度表示预测框的个数：10647 = （52*52 + 26*26 + 13*13）*3

第三个维度表示每个BBOX的信息：85  = （4+1+80）（4 个边界框属性、1 个 objectness 分数和 80 个类别分数）