pytorch 版yolov3 详解

最近使用YOLOv3进行目标检测,这里总结一下个人对与pytorch版本的YOLOv3的理解,顺便梳理一下思路。

  •  网络结构
  • 数据预处理方式
  •  onnx2caffe

代码:https://github.com/ultralytics/yolov3

1 网络结构

YOLOv3的网络结构主要包括三个部分,骨干网络, 类FPN, yolo层:YOLOv3的骨干网络使用的是Darkent53, 网络中大量使用跳层连接,并且为了降低池化层带来的梯度负面效果,直接已使用卷积层的stride=2来实现降采样.作者在实验中发现, darknet53 相较于resnet-152 和resnet-101 ,在分类精度上相差不大,但网络层数较少,且计算速度很快.在新的yolov4中指出, darknet53 在目标检测中,用作特征提取网络效果要强于resnet系列。

为了增强对小目标的检测,YOLOv3使用了类FPN层,使用上采样和融合的做法,在多个尺度的特征图上做检测。

yolo层是对提取的信息进行解码,从而输出检测到的目标信息,(x, y, w, h, score, classses). YOLOv3在每一个尺度, 使用三个预测框进行检测,输出的信息为 3×(5 + classes), 当检测目标的种类为80 时, 输出的维度为 3×(5 + 80) = 255.

 

2、数据预处理

目前有很多种数据预处理的方法,在训练神经网络时,为了进

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
PyTorch实现Yolov7的代码包括下采样网络结构、预测结果的解码和整个backbone代码。 首先,下采样网络结构的代码可以根据引用中的输出进行构建。其中,第一个输出`torch.Size([2, 3, 5, 5])`表示输入经过下采样后的特征图大小为2通道、5x5的大小;第二个输出`torch.Size([2, 5, 5, 5])`表示下采样后的特征图大小为2通道、5x5的大小。 接下来,预测结果的解码代码可以根据引用中的输出进行实现。其中,`x.shape: torch.Size([16, 3, 640, 640])`表示输入图像的大小为16张、3通道、640x640的大小;`torch.Size([16, 75, 20, 20])`、`torch.Size([16, 75, 40, 40])`和`torch.Size([16, 75, 80, 80])`分别表示在不同的下采样尺度上的预测框、置信度和种类的数值。 最后,整个backbone代码可以参考引用中的输出进行编写。其中,`torch.Size([2, 3, 9, 9])`和`torch.Size([2, 10, 5, 5])`分别表示输入和输出的特征图大小。 综上所述,根据以上引用的输出信息,可以实现PyTorch的Yolov7模型。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [YoloV7目标检测(Pytorch)【详解】](https://blog.csdn.net/qq_23022733/article/details/128199090)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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