DarkNet53: YOLO v3中的Backbone

已于 2023-04-05 20:36:36 修改
阅读量449 收藏 1
点赞数 2
分类专栏： 机器视觉 深度学习 文章标签： YOLO 深度学习 计算机视觉
于 2023-04-05 19:49:32 首次发布
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/qq_36758270/article/details/129975265
版权

DarkNet53

1. 介绍

在DarkNet19的基础上，作者继续吸收了当前优秀算法的思想，如残差网络和特征融合等，提出了具有53个卷积层的骨干网络DarkNet53。不同于Darknet-19的是，Darknet-53引入了大量的残差结构，并且使用步长为2，卷积核大小为3×3卷积层Conv2D代替池化Maxpooling2D。通过在ImageNet上的分类表现，Darknet-53经过以上改造在保证准确率的同时极大地提升了网络的运行速度，证明了Darknet-53在特征提取能力上的有效性。Darknet-53在YOLO v3中的结构如下图所示。 原图来自这里
在这里插入图片描述

了解本专栏 订阅专栏 解锁全文 超级会员免费看
sjx_alo
关注
  • 2
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
darknet_ros：YOLO ROS：ROS的实时对象检测
02-05
darknet_ros：YOLO ROS：ROS的实时对象检测
go-darknet:去绑定Darknet（YOLO v4 v3）
05-10
go-darknet：去绑定Darknet（Yolo V4，Yolo V3） go-darknet是一个Go软件包，它使用Cgo使Go应用程序可以在使用YOLO V4 / V3。 由于不再维护该存储库我决定继续进行并为Darknet进行几乎没有什么不同的绑定。 此绑定不是用于而是用于 。 纸Yolo v4： ： 纸Yolo v3： https ： //arxiv.org/abs/1804.02767 目录 为什么 要求 安装 用法 文献资料 执照 为什么 为什么该存储库存在？ 因为不再维护此存储库https://github.com/gyonluks/go-darknet 。 当您拥有GoCV （与OpenCV绑定）并且可以完美地处理Darnet YOLO时，此绑定的目的是什么？ 好吧，您有时不需要一堆OpenCV依赖项和OpenCV本身。 此类项目的示例在这里： http
机器视觉笔记4——DarkNet53模型详细解析
最新发布
GavinChan
02-25 3437
DarkNet53深度卷积神经网络由卷积层、池化层和残差块组成，设计灵感来源于ResNet和初代DarkNet网络，包括53个卷积层和5个池化层组成。
【MMDetection 源码解读之yolov3】Backbone - Darknet53.
qq_38253797的博客
12-10 3162
目录前言一、配置文件二、Darknet2.1、Darknet类介绍和全局参数设置2.2、__init__初始化2.3、前向推理2.4、搭建stage1-5总结 前言 这个博客会讲解MMDetection关于Darknet53这个Backbone的实现源码，之前其实也学了很多个版本的yolov3代码了，但是都是基于各种配置文件的源码，没有完整的网络搭建代码，所以在做实验想改yolov3的网络的时候，会发现自己无从下手，改配置文件，不知道从哪里开始改。刚好最近又在学习MMDetection，所以就打算从这个最简
YOLOv3使用笔记——修改backbone网络
热门推荐
Gotta-C的博客
10-19 2万+
       对于部分场景简单，目标较大的图像可能并不需要darknet53这种深度的backbone网络也能检测出来，出于这样的目的，试验将darknet53替换为darknet19、resnet等，既减少了模型计算量，又加快了推理时间。 backbone网络对比：https://pjreddie.com/darknet/imagenet/ 有各个网络的cfg以及在imagenet上的预训练...
mmdetection更换backbone示例
微信号：Custom-Software
03-20 747
因为，我为了区别是调用的“ResNet”还是自己的“ResNet1”，我把所有“backbone_new.py”文件中的“ResNet”改称了“ResNet1”，我是直接用的原来的“resnet.py”代码，然后自己重新新建了一个“backbone_new.py”文件，调用就可以。记得修改自己的网络结构代码。此处先说明一下，我更换的是“ResNet1”，之前用的是“ResNet”。.py”和“backbone_new.py”这两个文件，这个是需要修改的地方，记得只需要修改“貌似没其他的地方需要修改的了。
YOLO v3对网络结构做了哪些改进？
学姐带你玩AI的博客
03-31 1111
YOLOv3有两个值得一提的亮点，一个是使用残差模型，进一步加深了网络结构；另一个是使用FPN架构实现多尺度检测。
darknet-19与darknet53
weixin_42001184的博客
03-30 1122
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。
YOLOv3论文阅读笔记
计算机小白
07-15 428
YOLOv3论文读后自己做的的一些总结，抛砖引玉，希望和大家一起交流探讨
trick2-mobilenetv1、mobilenetv2、mobilenetv3替换YOLO主干
qq_45825952的博客
11-11 3600
完成了主干的修改和PAnet的修改，主干部分就是将yolo主干替换成mobilenet，PAnet部分是利用mobilenetv1的思想，利用深度可分离卷积3x3卷积＋1x1卷积替换普通的卷积块。根据这个思想可以进一步减少yolo的参数。
YOLO-V3:YOLO V3是预训练模型并分配了权重
04-19
YOLO-V3 YOLO V3是预训练模型，并分配了权重。 我们使用提供YOLO V3的opencv和darknet。 文件中提到了80个元素。 我们为此项目使用COCO数据集。 您必须为此下载体重文件： : 根据需要下载文件。
yolovision:Darknet Yolo v3之上的Python API包装器
05-12
Yolovision API **这一项没有GPU支持**在YOLOLENS中受到青睐-https: YoloLens具有CUDA支持，并将在GPU节点（Tesla M60及更高版本）上的AKS中运行。 Bojan Vrhovnik先生的品牌。
Darknet YOLO:Windows和Linux的实时对象检测-开源
05-27
YOLO（您只看一次）是Darknet的最先进的实时对象检测系统，Darknet是C语言中的一种开源神经网络框架。YOLO非常快速，准确。 它使用单个神经网络将整个图像划分为多个区域，然后预测每个区域的边界框和概率。 该项目...
tensorflow_yolov3:Yolo-V3在原始TensorFlow中的详细和优化实现
05-08
Yolo-V3已更新头部网络结构（DarkNet 19-> DarkNet 53）。 这项改进是受ResNet和FPN的启发。 Yolo-V3与以前的版本相比有非常好的改进。 以及加快检测速度，大约是SSD或Retina-Net的3-4倍。火车为了训练我们自己的...
darknet53_weights.h5
02-21
可直接用作预训练模型加载。通常用在自己专业训练集训练，采用darknet53作为boneback进行训练。
0038-目标检测-YoloV3替换各种轻量级backbone
左手coding，右手cooking
01-27 1973
参考链接 YOLO-Multi-Backbones-Attention
YOLO系列详细解读：YOLO V3
qq_38156104的博客
08-20 4005
YOLOv3没有太多的创新，主要是借鉴一些好的方案融合到YOLO里面。不过效果还是不错的，在保持速度优势的前提下，提升了预测精度，尤其是加强了对小物体的识别能力。 yolo_v3对之前的算法既有保留又有改进。先分析一下yolo_v3上保留的东西： “分而治之”，从yolo_v1开始，yolo算法就是通过划分单元格来做检测，只是划分的数量不一样。 采用"leaky ReLU"作为激活函数。 端到端进行训练。一个loss function搞定训练，只需关注输入端和输出端。 从yolo_v2开始，yol
MobileNetV3_YoloV3_Pytorch更改backbone与ncnn落地纪实
weixin_45915902的博客
03-02 3823
1. MobileNetV3网络介绍 2. DrakNet53网络介绍 3. 使用MobileNetV3替换DrakNet53 4. 数据集制作 5. GIOU替换 6.模型输出tensor详解 7. NCNN前向推理 #include<time.h> #include <stdio.h> #include <vector> #include <openc...
'cv::dnn::darknet::ReadDarknetFromWeightsStream'报错
03-31
这个错误是OpenCV中的深度学习模块（dnn）中的darknet模块中的一个函数的报错。可能是因为读取权重文件时出现了问题。 解决方法： 1. 确保输入的权重文件是正确的，可以尝试重新下载或从其他来源获取文件，并确保文件路径正确。 2. 检查代码中的参数是否正确传递给ReadDarknetFromWeightsStream函数。 3. 确认安装的OpenCV版本是否支持Darknet模块，如果不支持，可以尝试升级OpenCV版本。 4. 如果以上方法都无法解决问题，可以尝试使用其他的深度学习框架或库，例如TensorFlow、PyTorch等。

“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

打赏作者

sjx_alo

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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