基于darknet-53框架的Yolov3实验

最新推荐文章于 2024-06-17 15:52:48 发布

怀里的折耳猫

最新推荐文章于 2024-06-17 15:52:48 发布

阅读量1w

点赞数 2

文章标签： yolov3 darknet-53 cygwin 网络结构

本文链接：https://blog.csdn.net/qq_41652814/article/details/89566436

版权

本文介绍了基于darknet-53框架的Yolov3实验过程，包括环境配置、运行结果展示及网络结构详解。通过在Cygwin环境下运行darknet检测命令，成功检测出图片中的对象。实验结果显示，模型能够准确识别出人、狗和马等目标。此外，文章还简要概述了Yolov3的网络结构，强调了darknet-53网络的深度对提升检测效果的重要性。

摘要由CSDN通过智能技术生成

基于darknet-53框架的Yolov3实验

配置环境虽然有点麻烦，但是跑出结果的时候还是感觉到了yolov3的强大，下面是跑出来的结果

首先是yolov3的输出结果：

茯苓@FL /cygdrive/d/软件/cygwin2/home/茯苓/darknet
$ ./darknet detect cfg/yolov3.cfg yolov3.weights data/person.jpg
layer filters size input output
0 conv 32 3 x 3 / 1 608 x 608 x 3 -> 608 x 608 x 32 0.639 BFLOPs
1 conv 64 3 x 3 / 2 608 x 608 x 32 -> 304 x 304 x 64 3.407 BFLOPs
2 conv 32 1 x 1 / 1 304 x 304 x 64 -> 304 x 304 x 32 0.379 BFLOPs
3 conv 64 3 x 3 / 1 304 x 304 x 32 -> 304 x 304 x 64 3.407 BFLOPs
4 res 1 304 x 304 x 64 -> 304 x 304 x 64
5 conv 128 3 x 3 / 2 304 x 304 x 64 -> 152 x 152 x 128 3.407 BFLOPs
6 conv 64 1 x 1 / 1 152 x 152 x 128 -> 152 x 152 x 64 0.379 BFLOPs
7 conv 128 3 x 3 / 1 152 x 152 x 64 -> 152 x 152 x 128 3.407 BFLOPs
8 res 5 152 x 152 x 128 -> 152 x 152 x 128
9 conv 64 1 x 1 / 1 152 x 152 x 128 -> 152 x 152 x 64 0.379 BFLOPs
10 conv 128 3 x 3 / 1 152 x 152 x 64 -> 152 x 152 x 128 3.407 BFLOPs
11 res 8 152 x 152 x 128 -> 152 x 152 x 128
12 conv 256 3 x 3 / 2 152 x 152 x 128 -> 76 x 76 x 256 3.407 BFLOPs
13 conv 128 1 x 1 / 1 76 x 76 x 256 -> 76 x 76 x 128 0.379 BFLOPs
14 conv 256 3 x 3 / 1 76 x 76 x 128 -> 76 x 76 x 256 3.407 BFLOPs
15 res 12 76 x 76 x 256 -> 76 x 76 x 256
16 conv 128 1 x 1 / 1 76 x 76 x 256 -> 76 x 76 x 128 0.379 BFLOPs
17 conv 256 3 x 3 / 1 76 x 76 x 128 -> 76 x 76 x 256 3.407 BFLOPs
18 res 15 76 x 76 x 256 -> 76 x 76 x 256
19 conv 128 1 x 1 / 1 76 x 76 x 256 -> 76 x 76 x 128 0.379 BFLOPs
20 conv 256 3 x 3 / 1 76 x 76 x 128 -> 76 x 76 x 256 3.407 BFLOPs
21 res 1