pjreddie.com/darknet/yolov1
pjreddie.com/darknet/yolov2
pjreddie.com/darknet/yolo 【yolov3】
从V1到V4,让你读懂YOLO原理 | 航行学园 (voycn.com)http://www.voycn.com/article/congv1daov4rangnidudongyoloyuanli
--------------------------------------------------------------------------------------------------------
视频 卷积的认识--》 卷积的计算 --》 多维卷积 --》 卷积层
边缘检测的卷积 (视频截取)
RGB三通道卷积(视频截取)
单个卷积层(视频截取)
一个简单的CNN网络(视频截取)
那么问题来了,每一层卷积层都要有卷积核来卷积操作,这些卷积核具体数值是多少?
在视频中有提到,3x3滤波器(卷积核),人工设计的检测边缘类型少,
(网络资源)
需要检测复杂图像时,相应的滤波器也会比较复杂,这时想着把这9个值当参数,让算法去学习记录,最后的学习结果作为滤波器去检测。
--------------------------------------------------------------------------------------------------------
经过前面折腾,可以看出,主要分为两部分
一部分是骨骼,network网络结构,darknet定义在xxx.cfg中
一部分是灵魂,weights权重数据,xxx.weights文件
而darknet是具体肉身,将这两部分整合进来,完整运行起网络。
.cfg是文本文件,比较直观,而.weights就是一堆数据了,需要数据格式来进行解析。
yolov1(v3 ?)
看代码,load_network() ==> load_weights() ==> load_weights_upto()
int major;
int minor;
int revision;
fread(&major, sizeof(int), 1, fp);
fread(&minor, sizeof(int), 1, fp);
fread(&revision, sizeof(int), 1, fp);
if ((major*10 + minor) >= 2 && major < 1000 && minor < 1000){