PaddleDetection算法分析（2）

2021SC@SDUSC

特色垂类模型有两个模型 一个是车辆检测 一个是行人检测 查看源代码是痛苦的事 因此只看他的关键算法

基于Dacknet53的YOLOv3算法

darknet53一共53层卷积，除去最后一个FC（全连接层，实际上是通过1x1卷积实现的）总共52个卷积用于当做主体网络。

首先分析darknet53的网络结构

这52个卷积层是这样组成的：

首先是1个32个过滤器的卷积核，然后是5组重复的残差单元resblock_body（这5组残差单元，每个单元由1个单独的卷积层与一组重复执行的卷积层构成，重复执行的卷积层分别重复1次、2次、8次、8次、4次；在每个重复执行的卷积层中，先执行1x1的卷积操作，再执行3x3的卷积操作，过滤器数量先减半，再恢复），一共是52层。残差计算不属于卷积层计算。

52 = 1+ （1+1*2 ） + （1+2*2） + （1+8*2） + （1+8*2） + （1+4*2）

每组残差单元的第一个单独的卷积层操作均是一次步长为2的卷积操作，因此整个YOLO v3网络一共降维5次32倍，即：32=2^5，最后输出的特征图维度是13，即：13=416/32；最后1层的通道数是1024，最终的输出结构是(?, 13, 13, 1024)。所以，darknet53模型的输入是(?, 416, 416, 3)，输出是(?, 13, 13, 1024)。

这个52层网络是这么定义的：

def darknet_body(x):
 
    '''Darknent body having 52 Convolution2D layers'''
 
    x = DarknetConv2D_BN_Leaky(32, (3, 3))(x)
 
    x = resblock_body(x, num_filters=64, num_blocks=1)
 
    x = resblock_body(x, num_filters=128, num_blocks=2)
 
    x = resblock_body(x, num_filters=256, num_blocks=8)
 
    x = resblock_body(x, num_filters=512, num_blocks=8)
 
    x = resblock_body(x, num_filters=1024, num_blocks=4)
 
    return x

其中，

（1）第1个卷积层DarknetConv2D_BN_Leaky，是这么定义的：

def DarknetConv2D_BN_Leaky(*args, **kwargs):
 
    """Darknet Convolution2D followed by BatchNormalization and LeakyReLU."""
 
    no_bias_kwargs = {'use_bias': False}
 
    no_bias_kwargs.update(kwargs)
 
    return compose(
 
        DarknetConv2D(*args, **no_bias_kwargs),
 
        BatchNormalization(),
 
        LeakyReLU(alpha=0.1))

即：

（1.1）1个Darknet的2维卷积Conv2D层，即DarknetConv2D；

（1.2）1个批正则化层，将输入数据x进行正则化，即BatchNormalization()；

（1.3ÿ