yolov3详解-模型结构

1、配置文件说明

以tiny为例。yolo中以配置文件解析的形式生成模型结构。其中：

1.1、[net]

[net]中保存网络配置超参数，如batch、输入大小，训练参数等。

# Testing
batch=1
subdivisions=1
# Training
# batch=64
# subdivisions=2
width=416
height=416
channels=3
momentum=0.9
decay=0.0005
...

1.2、[convolutional]

[convolutional]存放卷积、BN参数，如：

batch_normalize=1
filters=16
size=3
stride=1
pad=1
activation=leaky

1.3、[maxpool]

[maxpool]存放pooling参数，如：

[maxpool]
size=2
stride=2

1.4、[yolo]

[yolo]存放yolo header层所需训练/决策参数。

[yolo]
mask = 3,4,5
anchors = 10,14,  23,27,  37,58,  81,82,  135,169,  344,319
classes=80
num=6
jitter=.3
ignore_thresh = .7
truth_thresh = 1
random=1

1.5、[route]

[route]为连接层，route有两种。

一种，layers层为单值，如layers = -4，为从当前层为-1开始向上推到-4层，引用该层为以新层。

[route]
layers = -4

另一种，layers层为双值，如layers = -1, 8，取当前层-1，和第8层（忽略net层开始从0算起）的级联合并connect。

[route]
layers = -1, 8

1.6、[upsample]

[upsample]为上采样层。

[upsample]
stride=2

2、模型结构