CV 经典主干网络 (Backbone) 系列: Darknet-53

最新推荐文章于 2024-09-13 17:43:18 发布
最新推荐文章于 2024-09-13 17:43:18 发布
阅读量1.4w 收藏 35
点赞数 8
分类专栏： Backbone 文章标签： darknet53 网络 结构 解析 总结
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/kuweicai/article/details/115028173
版权
本文详细介绍了Darknet-53，YOLOv3的backbone，其借鉴ResNet设计，包含53个卷积层。尽管网络结构中展示了52层，但最后的"Connected"层也是一个1x1卷积层。Darknet-53以256x256作为输入，经过5次下采样，输出特征图大小为8x8，步长为32，且不使用pooling层。相比于ResNet-152，Darknet-53在保持相近性能的同时，提供了更高的运行速度。
摘要由CSDN通过智能技术生成

CV 经典主干网络 (Backbone) 系列: Darknet-53

作者：Joseph Redmon

发表时间：2018

Paper 原文： YOLOv3: An Incremental Improvement

该篇是 CV 经典主干网络 (Backbone) 系列 下的一篇文章。

1. 网络结构

Darknet-53 是 YOLOv3 的 backbone。具体结构参考下面的图片。左侧是 Darknet-53 的完整结构图，右侧是对左侧中的 “Convolutional” 层 和 “Residual” 层的细节展示。显然 Darknet-53 借鉴了 Resnet 的设计思想，引入了 shotcut 的概念。

在这里插入图片描述

Darknet-53 顾名思意，总共有 53 个卷积层，但是上面的结构中只看到 52 个卷积层，其实 最后的 “Connected” 层也是卷积层（1x1 的卷积实现的类似 fc 的效果，所以也有资料把它称做 fc 层），“Connected” 层的具体参数如下。

[convolutional]
filters=1000
size=1
stride=1
pad=1
activat
最低0.47元/天 解锁文章
kuweicai
关注
专栏目录
CV 经典主干网络 (Backbone) 系列: CSP-Darknet53
走在深度学习前沿的小宋
04-27 6551
CSP-Darknet53无论是其作为CV Backbone，还是说它在别的数据集上取得极好的效果。与此同时，它与别的网络的适配能力极强。
CV 经典主干网络 (Backbone) 系列: Darknet-19
走在深度学习前沿的小宋
04-05 1242
在目标检测领域的YOLO系列算法中，作者为了达到更好的分类效果，自己设置并训练了DarkNet网络作为骨干网络。作者在ImageNet数据集上进行实验，发现相较于ResNet网络，DarkNet在分类精度差不多的前提下，计算速度取得了领先。
Darknet53网络结构及代码实现
Tc、zyh的博客
10-10 1万+
文章目录一、Darknet二、代码实现 一、Darknet Darknet是最经典的一个深层网络，结合Resnet的特点在保证对特征进行超强表达的同时又避免了网络过深带来的梯度问题，主要有Darknet19和Darknet53，当然，如果你觉得这还不够深，在你条件允许的情况下你也可以延伸到99,199,999… Darknet53的网络结构如图1所示，其中蓝色方块×1，x2，x8分别表示该模块重复1次、2次和8次，黄色方块是该模块的名字，Conv Block表示该模块是一个普通的卷积模块，Residual
Yolo v3论文精读
dlyyds_的博客
03-01 1319
论文结构 一、主干网络-DarkNet-53（backbone） 二、特征金字塔-FPN（neck） 三、对feature map进行预测（Head） 四、先验框 五、训练策略 六、损失函数 七、实验结果分析 总结 论文结构 一、主干网络-DarkNet-53（backbone） 例如，输入的图片是256x256x3，经过一次卷积核为3x3的卷积后，shape变为256x256x32；再经过...
深入浅出之DarkNet网络
最新发布
浩瀚之水的专栏
09-13 1146
Darknet53是在深度学习，尤其是卷积神经网络（CNN）快速发展的背景下提出的。随着计算机视觉任务的复杂度和精度要求不断提高，传统的网络结构已经难以满足需求。为了提升目标检测和分类等任务的性能，Joseph Redmon在2018年的论文《YOLOv3: An Incremental Improvement》中提出了Darknet53网络结构，作为YOLOv3目标检测算法的核心网络。
darknet53.cfg
04-29
YOLOv3的主干网络前面部分使用了darknet53结构，对于学习目标检测，学习YOLOv3,darknet53结构是一定会去学习的。该配置文件说明了不同类型的层的配置参数包括batch_size, width,height,channel,momentum,decay，learning_rate等。
Darknet53(YOLO V3骨干网络)
热门推荐
我是天才很好
06-13 2万+
YOLO V3算法使用的骨干网络是Darknet53。Darknet53网络的具体结构如图所示，在ImageNet图像分类任务上取得了很好的成绩。在检测任务中，将图中C0后面的平均池化、全连接层和Softmax去掉，保留从输入到C0部分的网络结构，作为检测模型的基础网络结构，也称为骨干网络。YOLO V3模型会在骨干网络的基础上，再添加检测相关的网络模块。 图：Darknet53网络结构 下面的程序是Darknet53骨干网络的实现代码，这里将上图中C0、C1、C2所表示的输出数据取出，并查看它们的形状
【Darknet-53】YOLOv3 backbone Darknet-53 详解
计算机视觉方面的点点滴滴，欢迎一起讨论
04-10 4728
文章目录1 模型计算量与参数量2 Darknet-53网络3 感谢链接 1 模型计算量与参数量 模型计算量与参数量的计算方式主要有两种，一种是使用thop库，一种是使用torchsummaryX。 使用pip install thop安装thop库 使用pip install torchsummaryX安装torchsummaryX库 2 Darknet-53网络 可直接运行下方代码，结合注释和结果理解 本例中darknet53主要用于yolov3中的主干网络 import math from col
DarkNet53
qq_35912099的博客
05-14 5094
Darknet53网络结构及代码实现_Tc.小浩的博客-CSDN博客_darknet53 讲的不错
Darknet53-pytorch
09-09
与https://github.com/jasonlovescoding/YOLOv3-pytorch 配套使用
CV 经典主干网络 (Backbone) 系列: CSPNet
生命在于折腾！
11-13 7864
CV 经典主干网络 (Backbone) 系列: CSPNet 作者：Chien-Yao Wang 等 发表时间：2019 Paper 原文： CSPNet: A New Backbone that can Enhance Learning Capability of CNN 开源代码：Cross Stage Partial Networks 该篇是 CV 经典主干网络 (Backbone) 系列 下的一篇文章。 作者认为目前的网络结构虽然效果好，但是都是建立在较大的计算量上的，这阻碍了算法应用 ，特别是
darknet53.conv.74
03-24
直接下载一直失败，折腾好久才下载好，上传上来希望能对需要的人有所帮助
darknet53_conv74.zip
07-05
1、pre-trained weights for the convolutional layers 2、link https://pjreddie.com/media/files/darknet53.conv.74
darknet53.conv.rar
11-15
darknet53.conv.74用于训练
darknet-53
weixin_38241876的博客
06-23 4785
Darknet( (module_list): ModuleList( (0): Sequential( (conv_0): Conv2d(3, 32, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False) (batch_norm_0): BatchNorm2d(32, eps=1e-05,...
经典主干DarkNet53&网络搭建
qq_41861216的博客
04-26 1151
YOLOv3中的backbone，DarkNet53。不同于YOLOv2中的DarkNet19，它由大量的残差组成，DarkNet53在ImageNet上面的表现也证明了该网络的有效行。DarkNet53的网络结构如下。YOLO版本的如下：Darknet-53中总共有6个单独的卷积层和23个Residual，每个Residual包含2个卷积层（一个1×1，一个3×3），所以Darknet-53中共有52层卷积，可为什么叫做Darknet-53呢？
CSP Darknet53
kui9702的博客
04-19 9926
CSP Darknet53 代码复现:这里的代码参考CSDN@Bubbliiiing 在之前yolo v3的实战篇中，我们了解到yolo v3 使用的backbone是Darknet53，而今天要展现的是yolo v4的backbone CSP Darknet53。 他们有什么不同呢？ 激活函数的改变，之前Darknet53使用的是LeakyReLU，而CSP Darknet53使用的是Mish。 LeakyReLU的图像 LeakyReLU是分段函数，当x>0时， f(x) = x
YOLOv3-Darknet53
weixin_44378497的博客
06-01 521
# !/usr/bin/python3 # -*- coding:utf-8 --*-- import torch.nn as nn #定义卷积块 class Convolution_block(nn.Module): def __init__(self,in_feature,out_feature,kernel,strike,padding=0): super().__init__() self.conv = nn.Sequential(
(一）YOLO目标识别模型 ——Darknet53网络结构
jieke2020的博客
06-20 3840
（一）YOLO目标识别模型 ——Darknet53网络结构 参考 本文链接： https://blog.csdn.net/leiduifan6944/article/details/104857968 文章目录参考前言一、YOLO的主要骨架二、介绍1.创建卷积块2.创建残差单元2.按照上面结构图写出Darknet53网络结构总结 前言 YOLO算法的出现，将回归思想引入目标识别处理过程，最终直接输出物体的位置、置信度和类别信息。YOLOv3在结构中模块与模块的衔接采用张量拼接，不同于残差层的
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
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