关于yolov3的一些理解

关于Yolov3的一些理解

*本博客主要为记录自己学习的一些笔记，故以下图表和内容中许多来自其他博主，在此感谢他们工作

网络结构：

整体结构

Yolo_v3的网络结构可以理解为一系列组件的拼接，上图各组件的解释如下：

DBL:上图中的Darknetconv2D_BN_Leaky，是yolo_v3的基本组件。就是卷积+BN+Leaky relu。
Res_unit: 由DBL组件和concat组成，此处借鉴了ResNet的残差结构，使用这种结构可以搭建更深的网络结构。
concat：张量维度拼接。拼接的操作和残差层add的操作是不一样的，拼接会扩充张量的维度，而add只是直接相加不会导致张量维度的改变
resn：n代表数字，有res1，res2, … ,res8等等，表示这个res_block里含有多少个res_unit。

backbone：darknet-53

为了提升模型的检测精度，作者单独设计了darknet-53。在ImageNet上实验结果表明：darknet-53达到了和ResNet-152/ResNet-101相当的分类精度前提下，计算速度大幅度提升，网络层数也比他们少。
**
Yolo_v3使用了darknet-53的前52层（去掉全连接层）做为backbone，用于特征提取。yolo_v3是一个全卷积网络，大量使用残差的跳层连接；同时为了降低池化带来的梯度负面效果，作者直接摒弃了POOLing，降采样是通过改变卷积核的步长来实现的【即使用的是步长为2的卷积来进行降采样】，如下图红色框所示，darknet-53一共进行5次下采样操作，将输出特征图缩小到输入的1/32。所以，通常都要求输入图片的分辨率大小是32的倍数。