深入拆解YOLO_V3

已于 2024-08-24 00:08:10 修改
阅读量698 收藏 1
点赞数
分类专栏： AI模型精讲 文章标签： 深度学习 YOLO_V3
于 2021-02-19 20:50:40 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/WANGWUSHAN/article/details/113870305
版权

YOLO_v3 模型可视化 位置回归 KMeans聚类 边界框
关键词由CSDN通过智能技术生成

强拆YOLO_V3

这里拆解的代码主要来自GitHub eriklindernoren/PyTorch-YOLOv3。

ultralytics版也很流行，但eriklindernoren版更适合初学者。

1.模型可视化

1.1 yolov3各layer可视化

模型通过netron可视化，并稍作整理后显示如下。

别看很复杂，其实主体部分是backbone darknet_53；

darknet可以理解为一堆res_layer，再加上若干下采样块；

其余部分就是直接为yolo_layer服务的，第一个yolo_layer的输入直接为下采样32倍后的feature map，后两个yolo_layer是上采样2倍的结果与前面相同尺寸特征的融合；这有没有点unet的意思？

在这里插入图片描述
其中ÿ

了解本专栏 订阅专栏 解锁全文 超级会员免费看
外卖猿
关注
专栏目录
订阅专栏
YOLO11涨点优化：特征融合创新 | 多层次特征融合（SDI），小目标涨点明显| UNet v2，比UNet显存占用更少、参数更少
10-11 131
层次特征融合（SDI），能够显著提升不同尺度和小目标的识别率；如何引入到YOLO11：1)替代原始的Concat；
目标检测YOLO实战应用案例100讲-高分辨率显著性目标检测算法研究(续)
最新发布
qq_36130719的博客
09-19 241
高级语义特征包含丰富的语义信息和较强的特征表达能力，低层次语义特征具有丰 富的空间细节和明确的边缘信息。具体地，经过头部瓶颈模块处理的包含大量显著性目标的空间细节信息 的特征图被送入空间细节路径，经11卷积、BN和ReLU对特征图处理，增加特征图 的通道数以减少在后续操作中带来的特征信息丢失。图3-3为 本文提出的模型的可视化处理过程，可以显式地观察到本文提出的全局上下文路径可以 聚焦于显著的前景目标，空间细节路径可以提取显著目标的边界，二者互补可以达到一 个精确的分割结果。
eriklindernoren的YOLOv3如何使用自己的数据集进行train
yghjkliikk的博客
12-22 729
eriklindernoren的YOLOv3如何使用自己的数据集进行train1.data下面文件夹分布2.修改参数3.使用下面的generate文件进行一系列txt生成（改文件放置于custom目录下）4.train下面修改自己的默认参数 由于该yolov3没有讲清楚如何训练自己的数据，所以写个博客 当然你需要提供的书image和xml文件。 参考： 1.pytorch版本的 yolov3https://github.com/eriklindernoren/PyTorch-YOLOv3 2.gaintpa
yolov3-tiny模型分析（含自己绘制的网络模型图）
热门推荐
菜鸟奇遇记
04-04 3万+
最近在实验室做行人检测的项目，希望最后可以做到硬件上面去，所以挑选了yolov3的tiny版本。在实验室专有行人数据集下训练，检测效果还不错，在1080ti上推断速度达到了30fps, 这里和大家一起撸一下yolov3-tiny的网络结构： 相比于yolov3, tiny版本将网络压缩了许多，没有使用res层(残差层)，只使用了两个不同尺度的yolo输出层，但总体思路还是可以借鉴yolov3的。...
YOLOv3的最小PyTorch实现-Python开发
05-25
PyTorch-YOLOv3 YOLOv3的最小PyTorch实现，支持培训，推断和评估。 安装克隆和安装要求$ git clone https://github.com/eriklindernoren/PyT PyTorch-YOLOv3最小的PyTorch YOLOv3实现，支持培训，推断和评估。 安装克隆和安装要求$ git clone https://github.com/eriklindernoren/PyTorch-YOLOv3 $ cd PyTorch-YOLOv3 / $ sudo pip3 install -r requirements.txt下载预训练的砝码$ cd weights / $ bash download_weights.sh下载COCO $ cd data / $ bash get_coco_dataset.sh测试在COCO测试中评估模型。 $ python3 test.py --weights_path权重/ yo
PyTorch-YOLOv3：YOLOv3的最小PyTorch实现
02-18
警告：此存储库已过时，因为我不幸没有时间对其进行维护。 如果您想作为合作者继续开发它，请给我发送电子邮件至 。 PyTorch-YOLOv3 YOLOv3的最小PyTorch实现，并支持训练，推断和评估。 安装 克隆和安装要求 $ git clone https://github.com/eriklindernoren/PyTorch-YOLOv3 $ cd PyTorch-YOLOv3/ $ sudo pip3 install -r requirements.txt 下载预先训练的体重 $ cd weights/ $ bash download_weights.sh 下载COCO $ cd data/ $ bash get_coco_dataset.sh 测试 在COCO测试中评估模型。 $ python3 test.py --weights_path weights/yolov3
解读pytorch yolo3源码解读（1）
qian_5557的博客
03-22 1538
源码来源：https://github.com/eriklindernoren/PyTorch-YOLOv3 config中存放配置文件 utils存放需要调用的函数 本文主要解读models.py和train.py文件以及其相关的函数。 在解读源码之前先略微介绍一下yolo3的相关概念。 yolo3包含卷积层(convolutional)，跳过连接(short cut)，yolo层，上采样层(u...
YOLO v3解读
yanzi6969的专栏
05-30 2万+
转自：https://xmfbit.github.io/2018/04/01/paper-yolov3/YOLO的作者又放出了V3版本，在之前的版本上做出了一些改进，达到了更好的性能。这篇博客介绍这篇论文：YOLOv3: An Incremental Improvement。下面这张图是YOLO V3与RetinaNet的比较。可以使用搜索功能，在本博客内搜索YOLO前作的论文阅读和代码。YOLO...
从零开始实现YOLO V3——day2YOLO V3模型拆解
褪色的博客
03-30 900
与R-CNN系列算法不同，YOLOv3使用单个网络结构，在产生候选区域的同时即可预测出物体类别和位置，不需要分成两阶段来完成检测任务。另外，YOLOv3算法产生的预测框数目比Faster R-CNN少很多。Faster R-CNN中每个真实框可能对应多个标签为正的候选区域，而YOLOv3里面每个真实框只对应一个正的候选区域。这些特性使得YOLOv3算法具有更快的速度，能到达实时响应的水平。
深入浅出Yolo系列之Yolov3&Yolov4&Yolov5核心基础知识完整讲解
qq_33287871的博客
08-11 1901
深入浅出Yolo系列之Yolov3&Yolov4&Yolov5核心基础知识完整讲解1.论文汇总2.YoloV3核心基础内容2.1 网络结构可视化2.2 网络结构图2.3核心基础内容3.YoloV3相关代码3.1 python代码3.2 C++代码3.3 python版本的Tensorrt代码3.4 C++版本的Tensorrt代码4.YoloV4核心基础内容4.1 网络结构可视化4.2 网络结构图4.3 核心基础内容4.3.1 输入端创新4.3.2 BackBone创新4.3.3 Neck创
c++调用pytorch libtorch(YoloV3实战篇)
驽马十驾，功在不舍；锲而不舍，金石可镂。
07-21 1449
c++调用pytorch libtorch （YoloV3实战篇）1.前言2.直接使用仓库源码c++ libtorch输出结果与pytorch结果差别大3.关于nms参考文献 1.前言 此blog主要介绍本人在使用yolov3模型进行c++ libtorch 调试过程中遇到的一些问题。 Yolo-v3模型的介绍可参考深入拆解YOLO_V3，这里仍旧使用的是GitHub eriklindernoren/PyTorch-YOLOv3。 c++调用pytorch libtorch基础介绍可参考https://
【YOLO目标检测中的目标跟踪技术】： 介绍YOLO目标检测中的目标跟踪技术
目标跟踪技术在YOLO目标检测中扮演着重要角色，通过对目标的连续追踪，可以实现对其在视频流或图像序列中的运动情况进行准确判断。目标跟踪技术旨在保持目标的标识并跟踪目标物体的位置、大小，确保在不同帧之间的...
yolov3权重文件_YoLov3实践--遥感图像检测
weixin_39534759的博客
11-24 1319
Yolov3实践：研究并实现基于YOLOV3的遥感影像目标检测方法参考：https://github.com/eriklindernoren/PyTorch-YOLOv3​github.com实验环境：ubuntu16.04 + pytorch1.2.0 + cuda10.0一、数据集介绍1.1 自制的遥感影像数据集数据集地址：链接：https://pan.baidu.com/s/1zdLBg4q...
【学习记录】window下使用pytorch运行yolov3代码出现的报错及修改记录
weixin_44355021的博客
10-31 513
【学习记录】window下使用pytorch运行yolov3代码出现的报错及修改记录 （源码为：eriklindernoren/PyTorch-YOLOv3） 问题1：运行get_coco_dataset.sh文件下载coco数据集 解决：需要下载git，随后在get_coco_dataset.sh文件所在地方右键空白处，点击Git Bash Here，将文件拖入到弹出的框中，即可运行。过程需连网，可能还需下载wget，wget下载参考下面链接。https://blog.csdn.net/qq_409623
YOLOv3-Pytorch学习笔记
qq_36076110的博客
06-01 1万+
五月一直埋头钻研Faster R-CNN，但苦于电脑不支持GPU，一直连个简单的结果都没跑出来（期间还挣扎着安装CUDA，结果就是Ubuntu系统一崩再崩）,心情经常很低落。终于在五月末决定先转到YOLOv3, 毕竟人生苦短...下面附上我最近对于YOLOv3的学习： YOLO官网：https://pjreddie.com/darknet/yolo/ YOLOv3论文链接：https:...
YOLOV3的pytorch实现
持久决心的博客
04-25 9495
源代码 作者官方链接https://github.com/ayooshkathuria/pytorch-yolo-v3 运行 这个版本只实现了预测，并不能训练。同时运行十分简单，只需要你符合一定的条件。 直接运行 需要你满足一下条件 Python3.5 Opencv Pytorch0.3或者0.4 如果你满足这些条件，并且在根目录下放进去yolov3.weight，执行命令...
Pytorch | yolov3原理及代码详解（四）
qq_24739717的博客
07-24 5910
阅前可看： Pytorch | yolov3原理及代码详解（一） https://blog.csdn.net/qq_24739717/article/details/92399359 Pytorch | yolov3原理及代码详解（二） https://blog.csdn.net/qq_24739717/article/details/96705055 Pytorch | yolov3原...
yolo系列之yolo v3【深度解析】
luoganttcc的博客
11-29 2194
原文 yolo_v3作为yolo系列目前最新的算法，对之前的算法既有保留又有改进。先分析一下yolo_v3上保留的东西： “分而治之”，从yolo_v1开始，yolo算法就是通过划分单元格来做检测，只是划分的数量不一样。 采用"leaky ReLU"作为激活函数。 端到端进行训练。一个loss function搞定训练，只需关注输入端和输出端。 从yolo_v2开始，yolo就用batch normalization作为正则化、加速收敛和避免过拟合的方法，把BN层和leaky relu层接到每一层卷积层之
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

外卖猿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值