yolov3网络结构分析

 

图片为引用后补充，若侵权则删除。

darknet53表示有53个卷积层，实际共占74层(按运行时输出的网络结构来算).

detection层负责预测某个规模(划分grid数目,有3个规模13,26,52分别于82,94,106层预测)的boxes回归值(每个格子预测3个boxes的回归值包括坐标,对象和类别,共3*(4+1+20)=75个值).

route层若有两个参数，表示连接两个层，如86层连接85和61;一个参数表示这个route层跟那层参数一致(如83层跟79一致).

shortcut层的参数层跟这一层连接.

具体层数据维度如下(可参照cfg文件,论文2.3的解释与上图自行计算):

layer     filters    size              input                output

    0 conv     32  3 x 3 / 1   416 x 416 x   3   ->   416 x 416 x  32

    1 conv     64  3 x 3 / 2   416 x 416 x  32   ->   208 x 208 x  64

    2 conv     32  1 x 1 / 1   208 x 208 x  64   ->   208 x 208 x  32

    3 conv     64  3 x 3 / 1   208 x 208 x  32   ->   208 x 208 x  64

    4 Shortcut Layer: 1

    5 conv    128  3 x 3 / 2   208 x 208 x  64   ->   104 x 104 x 128

    6 conv     64  1 x 1 / 1   104 x 104 x 128   ->   104 x 104 x  64

    7 conv    128  3 x 3 / 1   104 x 104 x  64   ->   104 x 104 x 128

    8 Shortcut Layer: 5

    9 conv     64  1 x 1 / 1   104 x 104 x 128   ->   104 x 104 x  64

   10 conv    128  3 x 3 / 1   104 x 104 x  64   ->   104 x 104 x 128

   11 Shortcut Layer: 8

   12 conv    256  3 x 3 / 2   104 x 104 x 128   ->    52 x  52 x 256

   13 conv    128  1 x 1 / 1    52 x  52 x 2