L1778586311的博客

上一节：详解yolo3整体网络代码本节代码所在文件pytorch_yolo3/train.py主程序pytorch_yolo3/nets/yolo_training.py子程序文章目录回顾编码编码成什么样怎么编loss的产生YOLOLoss类内容回顾这节不再一行行的按顺序读代码了(大型的程序一般都是一层一层地往里剥)，讲解代码时我会尽量配相应的图来加以说明整套流程的思路，对！主要是思路。先把程序放一边，回顾历史，然后想想当下该干嘛。前面两节主要在搭建网络(模型)，搭建好了只要输入一张图片就可以得

上一节：详解主干网络darknet53代码上一节构建完了主干网络darknet53(backbone)，这一节构建完整的yolo3网络。还记得吗？arknet# 输出三路分支 out3 = self.layer3(x) out4 = self.layer4(out3) out5 = self.layer5(out4) return out3, out4, out5...

本文代码基于yolov3的pytorch版本。文章目录darknet53网络结构残差块结构darknet53网络结构文字版：卷积+(下采样卷积+1残差块)+(下采样卷积+2残差块)+(下采样卷积+8残差块)+(下采样卷积+8残差块)+(下采样卷积+4*残差块)鸣谢：图片来源是不是很有规律？不难看出，darknet53就是重复堆叠下采样卷积+n*残差块(n为残差块的个数)这个结构而组成的。而更基本的结构就是残差块了，因此我们先构建出残差块，然后重复堆叠上述结构darknet53就完成了。残差块结

最近重新看了遍经典的目标检测网络，对Anchor box 的作用有了更深入的了解。第一次写博客，有不正确的地方还望指出，共同进步。为了控制篇幅本文主要讲Anchor box，不针对网络细节展开，默认大家已经对经典网络有所了解，尤其是faster RCNN（下文会以faster RCNN为例讲解）带来不便，深表歉意。Anchor box的发展Anchor box最先由faster RCNN网络提出，后分别被SSD和YOLO2、YOLO3等经典网络借用，也出现了不同的称呼“prior box”、“defa