YOLOV3中卷积层，池化层，yolo层理解

前言：YOLOV3学习笔记，记录对卷积层，池化层，yolo层的理解，阐述深度学习中卷积核，通道数相关名词的含义。

yolov3-tiny网络如下：

卷积层

0层为卷积层，其中filters=16，表示的卷积核的个数，即所做的卷积的次数。size=3*3/1，表示每个卷积核的尺寸为3*3，卷积移动的步长为1，意味着输出的图像尺寸与输入的大小一致。如果步长为2，则输出的图像尺寸将是输入的一半。

输入为416*416*3，即将样本图像重采样为416*416*3的RGB三通道图像，输出怎么是416*416*16了呢？

卷积核的通道数一般在cfg文件中不直接写明，因为他是由输入图像的通道数决定的，如果是RGB图像，则卷积核的通道数即为3。对于0层卷积层，一个卷积核的操作是使用3*3*3的卷积核对图像的三个通道分别进行卷积操作后平均加权输出，输出为416*416*1，16个卷积核即为416*416*16。

备注：最后一列指明了该卷积操作的计算量为1.5亿次浮点型操作。

池化层

池化层即为重采样，深度学习中基本有两种池化方式，最大池化和平均池化。下面举例说明：

yolov3-tiny中1层为池化层，池化的尺寸大小为2*2，步长为2，最大池化是将红框中四个数取最大的作为输出，平均池化是将四个数的平均值作为输出。步长为2指下一个池化操作为当前位置向后移动两个位置，即对3，4，7，8四个数做最大池化。

很明显当步长为2时，池化操作后，输出尺寸将是输入的一半，所以1层的输出为208*208*16。在yolo层以前，基本是每一层的输出作为下一层的输入。

池化操作是基本不耗时的，深度学习的耗时主要是在卷积层。

yolo层

route=13表示取前面13层的输出，route=19,8表示取第19层和第8层的输出。

在yolov3-tiny中有两个yolo层输出，下图示例中的yolo3-tiny一个输出大小为13*13*24，另一个为26*26*24，两个yolo层的输出为两个不同的尺度，在yolov3中则有三种尺度。在yolov3-tiny中，13*13*24中13*13是固定的，24数值取决于你检测目标的类别数目，我检测的是3类，所以是24，那24是怎么来的呢？

24=（4+1+class）*3，其中4代表着目标物的位置信息，1为置信度信息，class为类别数目，3代表anchor的数目。