CV 经典主干网络 (Backbone) 系列: Darknet-53

最新推荐文章于 2023-07-14 15:40:00 发布
最新推荐文章于 2023-07-14 15:40:00 发布
阅读量1.3w 收藏 34
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
activation=lin
最低0.47元/天 解锁文章
kuweicai
关注
  • 8
    点赞
  • 踩
  • 34
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【重读经典网络3】--Darknet
AI小花猫的博客
06-06 720
Darknet网络结构简介、基于pytorch的代码实现以及基于Darknet53的猫狗训练
YOLO-v3论文笔记
weixin_43981952的博客
08-17 176
一、网络架构 首先解释一下Top1和Top5：模型在ImageNet数据集上进行推理，按照置信度排序总共生成5个标签。按照第一个标签预测计算正确率，即为Top1正确率；前五个标签中只要有一个是正确的标签，则视为正确预测，称为Top5正确率 YOLOv3使用的backbone是Darknet-53，他是在YOLOv-2上改进的，加深了网络深度，同时引入了Resnet的跨层加和操作。 1、yolov3中只有卷积层，通过调节卷积步长控制输出特征图的尺寸，所以对于输入图片没有特别限制 。 2、借鉴了金字塔思想
darknet53的网络结构笔记
热门推荐
人工智能
07-05 3万+
供自己备忘 本网络结构从gluoncv/model_zoo/yolo/darknet.py调试得到 darknet layers = [1, 2, 8, 8, 4] darknet channels = [64, 128, 256, 512, 1024] --------------------------------------------------------------...
Yolo v3论文精读
dlyyds_的博客
03-01 1083
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...
【YOLOV4】(7) 特征提取网络代码复现（CSPDarknet53+SPP+PANet+Head），附Tensorflow完整代码
博观而约取，厚积而薄发
03-29 8133
各位同学好，今天和大家分享一下如何使用 TensorFlow 构建YOLOV4目标检测算法的特征提取网络。 完整代码在我的Gitee中，有需要的自取：https://gitee.com/dgvv4/yolo-target-detection/tree/master 1. CSPDarkNet53 CSPDarkNet53 骨干特征提取网络在 YOLOV3 的 DarkNet53网络 的基础上引入了 CSP结构。该结构增强了卷积神经网络的学习能力；移除了计算瓶颈；降低了显存的使用；加快了网络的推理速度。
今天给大家介绍一下综合性能标胶不错的分类网络—darknet-53
xiehewe的博客
07-14 250
Darknet-53不仅在学术界取得了显著的成就，还在实际应用场景中得到了广泛的应用。例如，在智能监控、人像识别以及工业自动化等领域，Darknet-53作为一个高性能的分类网络，能够准确地识别并分类各种场景中的物体和目标，为实际应用提供强有力的支持。例如，在ImageNet数据集上，Darknet-53的Top-1分类精度超过了80%，证明了其在大规模图像分类任务中的可靠性和有效性。通过采用较少的参数和层级，Darknet-53能够在保持良好分类性能的同时，减少计算资源的消耗，提高模型的推理速度。
darknet 源码阅读(网络层代码）——batch Normalize 层（BN）
jmu201521121021的博客
01-27 1415
简介 论文链接：https://arxiv.org/abs/1502.03167 yolov2中，根据论文所讲，通过在所有convolutional layer后添加batch normalization层，map提升2%.并且相对于yolov1，移除了droupout,BN提升了模型的泛化性，有效避免过拟合。 BN原理 简约公式： xi=xi−xˉ1N∑jN(xj−xˉ)2(1) x_i = ...
深度学习（七十一）darknet 源码阅读
hjimce的专栏
08-01 4691
深度学习（七十一）darknet 源码阅读
backbone-vdom:Virtual-dom 主干视图
07-02
带有 VirtualDom 渲染的 Backbone.Views 外骨骼/骨干视图 虚拟DOM requestAnimationFrame 批处理 委托事件 Webpack JSX/ES6 加载器 安装 make install 跑步 make server make webpack open ...
backbone:后生-实践
06-19
**Backbone.js：构建动态Web应用的基石** Backbone.js 是一个轻量级的JavaScript库，专注于提供模型层（Model）、视图层（View）和路由器（Router）的结构，帮助开发者组织和管理复杂的前端代码。它以MVC（Model-...
example-chat-web-backbone:使用 example-chat-backend 项目实现聊天的主干
06-05
示例聊天网络主干使用 example-chat-backend 项目实现聊天的主干。如何使用 npm install example-chat-web-backbonenode node_modules/example-chat-web-backbone/server/index.js使用的技术骨干ReactJS Socket.io ...
spray-painted-backbone:Scala - 喷涂 - 光滑； bacbone.js ; Redis ; mysql
07-07
这是一个模板项目。 使用 scala/spray/slick 作为api层使用backbone.js作为前端 它在 scala 位中有一个 redis 订阅者，因此您可以在超时时进行回调，它有 mysql，因此您可以保留内容。
single-spa-backbone:单spa主干插件
05-08
《单SPA主干插件——single-spa-backbone深度解析》 在当今互联网技术日新月异的时代，前端开发模式也在不断演进。微前端（Microfrontends）作为一种新兴的架构模式，允许开发者将大型应用拆分成多个独立的前端模块...
目标检测算法YOLO-V3结构详解
春有百花秋有月，夏有凉风冬有雪！
08-12 2868
❝上期我们一起学了YOLO-V2的算法结构以及跟YOLO-V1比起来有哪些优缺点，如下：目标检测算法YOLO-V2详解今天我们看下在YOLO-V2版本上改进的YOLO-V3算法，到底做了...
yolov3整体工作流程（个人理解，欢迎纠正和补充）
奔跑的小仙女
10-23 1万+
以下内容纯属个人理解，请路过的小伙伴留下宝贵意见，欢迎纠正和补充，谢谢 yolov3的总体思想归纳： 首先，将输入图片压缩到416×416，通过特征提取网络（Darknet53 without FC layer）对输入图像提取特征得到大小一定的特征图，比如13×13，然后将输入图像分成13×13个网格（grid cells），接着如果GT中某个目标的中心坐标落在哪个grid cell中，那么就...
Keras YOLO v3代码详解（一）：darknet53网络结构分析+Netron工具
weixin_41943311的博客
07-02 3万+
上周我们搭建了一套“Windows 10+YOLO v3+Deep_Sort多目标跟踪实验环境”，并做了一些简单的测试记录，具体内容请参考： https://blog.csdn.net/weixin_41943311/article/details/93747924 那么本周，我们需要详细了解一下YOLO v3的darknet53的网络是什么样的，或者说，是怎样在Keras+Tensorflo...
YOLOv3: An Incremental Improvement
m0_55308155的博客
07-24 1152
YOLOv3: An Incremental Improvement
YOLOv3网络结构分析以及工作流程
weixin_44623637的博客
02-10 3287
注意：本文章有很多图，但是都是YOLOv3的结构图，只是每张图表达出的信息都各有特色，可将这些结构图结合起来，能更好的理解。 1.Darknet-53 模型结构 在论文中虽然有给网络的图，但我还是简单说一下。这个网络主要是由一系列的1x1和3x3的卷积层组成（每个卷积层后都会跟一个BN层和一个LeakyReLU)层，作者说因为网络中有53个convolutional layers，所以叫做Dark...
深度学习中的经典基础网络结构（backbone）总结
生命在于折腾！
10-28 3万+
深度学习中的经典基础网络结构总结 1. 深度学习发展历史回顾 在开始正式内容之前，首先回顾下深度学习发展史，这将使整体内容更为连贯。 上图主要展示了深度学习的 “史前文明”（这里仅仅是开玩笑的说法）。从图中可以看到整个历史始于1943年，有三个发展繁荣期和两个低谷。 1943年，心理学家麦卡洛克和数学逻辑学家皮兹发表论文《神经活动中内在思想的逻辑演算》，提出了MP模型。 1960年，...
darknet-53
最新发布
08-22
Darknet-53是yolo v3中用于特征提取的backbone网络结构。它借鉴了yolo v2中的网络结构Darknet-19，但引入了大量的残差结构，并使用步长为2的3×3卷积层代替池化层。这些改进在保证准确率的同时极大地提升了网络的运行速度，使得Darknet-53在特征提取能力上更加有效。Darknet-53是一个非常有效的卷积神经网络，具有较高的准确性和效率，已被广泛应用于计算机视觉领域的图像分类、目标检测、人脸识别等任务中。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [yolov3网络（DarkNet53）结构详解以及Pytorch代码实现](https://blog.csdn.net/Just_do_myself/article/details/123583291)[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: 50%"] - *2* [Darknet53详细原理（含torch版源码）](https://blog.csdn.net/Code_and516/article/details/129976322)[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: 50%"] [ .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
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