YOLOv2—passthrough层

YOLO v2论文:YOLO9000: better, faster, stronger

提到passthrough层,必须提及Darknet-19(有19个卷积层和5个MaxPooling层)网络结构。(DarkNet-19比VGG-16小一些,精度不弱于VGG-16,但浮点运算量减少到约1/5,以保证更快的运算速度)。
在这里插入图片描述
YOLO2的训练主要包括三个阶段。

  • 第一阶段就是先在ImageNet分类数据集上预训练Darknet-19,此时模型输入为 224*224 ,共训练160个epochs。
  • 第二阶段将网络的输入调整为 448*448
    ,继续在ImageNet数据集上finetune分类模型,训练10个epochs,此时分类模型的top-1准确度为76.5%,而top-5准确度为93.3%。
  • 第三个阶段就是修改Darknet-19分类模型为检测模型,移除最后一个卷积层、global
    avgpooling层以及softmax层,并且新增了三个 331024卷积层,同时增加了一个passthrough层,最后使用11 卷积层输出预测结果,输出的channels数为:num_anchors(5+num_classes) 。
    在这里插入图片描述
  • 22,23,24层:新增的三个 331024卷积层;
  • 27层:增加的passthrough层;

现在看下passthrough层:

  1. passthrough层的来源(细粒度特征):上图中第25层route 16,意思是来自16层的output,即2626512。
  2. passthrough层的处理:
    利用1164卷积降低第25层2626512(实际来自16层)的通道数,从512降低到64(这一点论文在讨论passthrough的时候没有提到),输出262664(见第26层)。
    第27层进行拆分(实际的passthrough层)操作,1拆4分成1313256。】
  3. 将passthrough层和最后一层卷积层结合:
    第28层叠加27层和24层的输出(13x13x1024+13x13x256),得到13131280。
    后面对passthrough层操作结果13131280再经过33卷积和11卷积,最后输出1313125。
  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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