YOLOv3庖丁解牛(一):网络结构

本文深入探讨YOLOv3的网络结构,包括darknet的基础构造和三层输出设计。首先介绍darknet由B1和B2块构成,B1由卷积、BN和LeakyRelu组成,B2则包含填充层、B1和Compose块。接着,详细阐述输出部分,涉及上采样、连接和输出,共进行三次采样,产生三个输出。整个网络结构清晰,适合工业部署。
摘要由CSDN通过智能技术生成

https://www.luoyoyo.com/articles/b5ac2fae5c8a3f41cddd4d6e79dde8e8

经过大约一个月对YOLO3理论和源码的阅读,今天开始逐渐记录自己对这一大神作的理解。

本文在基于对CNN、keras、tensorflow有一定掌控力的基础上进行描述。

首先,贴出python版star最多的源码地址:https://github.com/qqwweee/keras-yolo3,各位看官可移步阅读。过一段时间我会把自己对每一步源码的注释都附上。

目前可进行工业部署的两大物体检测基础框架,一个是诸如FRCNN、Mask RCNN的RCNN系列,准确度高;另外就是YOLO系列,检测速度快。

首先,我们看下他的tensorboard打印出来的图结构.

yolo3.png<

评论 1
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