yolov3网络结构分析

 

yolov3网络结构分析_第1张图片

图片为引用后补充,若侵权则删除。

darknet53表示有53个卷积层,实际共占74层(按运行时输出的网络结构来算).

detection层负责预测某个规模(划分grid数目,有3个规模13,26,52分别于82,94,106层预测)的boxes回归值(每个格子预测3个boxes的回归值包括坐标,对象和类别,共3*(4+1+20)=75个值).

route层若有两个参数,表示连接两个层,如86层连接85和61;一个参数表示这个route层跟那层参数一致(如83层跟79一致).

shortcut层的参数层跟这一层连接.

具体层数据维度如下(可参照cfg文件,论文2.3的解释与上图自行计算):

layer     filters    size              input                output

    0 conv     32  3 x 3 / 1   416 x 416 x   3   ->   416 x 416 x  32

    1 conv     64  3 x 3 / 2   416 x 416 x  32   ->   208 x 208 x  64

    2 conv     32  1 x 1 / 1   208 x 208 x  64   ->   208 x 208 x  32

    3 conv     64  3 x 3 / 1   208 x 208 x  32   ->   208 x 208 x  64

    4 Shortcut Layer: 1

    5 conv    128  3 x 3 / 2   208 x 208 x  64   ->   104 x 104 x 128

    6 conv     64  1 x 1 / 1   104 x 104 x 128   ->   104 x 104 x  64

    7 conv    128  3 x 3 / 1   104 x 104 x  64   ->   104 x 104 x 128

    8 Shortcut Layer: 5

    9 conv     64  1 x 1 / 1   104 x 104 x 128   ->   104 x 104 x  64

   10 conv    128  3 x 3 / 1   104 x 104 x  64   ->   104 x 104 x 128

   11 Shortcut Layer: 8

   12 conv    256  3 x 3 / 2   104 x 104 x 128   ->    52 x  52 x 256

   13 conv    128  1 x 1 / 1    52 x  52 x 256   ->    52 x  52 x 128

   14 conv    256  3 x 3 / 1    52 x  52 x 128   ->    52 x  52 x 256

   15 Shortcut Layer: 12

   16 conv    128  1 x 1 / 1    52 x  52 x 256   ->    52 x  52 x 128

   17 conv    256  3 x 3 / 1    52 x  52 x 128   ->    52 x  52 x 256

   18 Shortcut Layer: 15

   19 conv    128  1 x 1 / 1    52 x  52 x 256   ->    52 x  52 x 128

   20 conv    256  3 x 3 / 1    52 x  52 x 128   ->    52 x  52 x 256

   21 Shortcut Layer: 18

   22 conv    128  1 x 1 / 1    52 x  52 x 256   ->    52 x  52 x 128

   23 conv    256  3 x 3 / 1    52 x  52 x 128   ->    52 x  52 x 256

   24 Shortcut Layer: 21

   25 conv    128  1 x 1 / 1    52 x  52 x 256   ->    52 x  52 x 128

   26 conv    256  3 x 3 / 1    52 x  52 x 128   ->    52 x  52 x 256

   27 Shortcut Layer: 24

   28 conv    128  1 x 1 / 1    52 x  52 x 256   ->    52 x  52 x 128

   29 conv    256  3 x 3 / 1    52 x  52 x 128   ->    52 x  52 x 256

   30 Shortcut Layer: 27

   31 conv    128  1 x 1 / 1    52 x  52 x 256   ->    52 x  52 x 128

   32 conv    256  3 x 3 / 1    52 x  52 x 128   ->    52 x  52 x 256

   33 Shortcut Layer: 30

   34 conv    128  1 x 1 / 1    52 x  52 x 256   ->    52 x  52 x 128

   35 conv    256  3 x 3 / 1    52 x  52 x 128   ->    52 x  52 x 256

   36 Shortcut Layer: 33

   37 conv    512  3 x 3 / 2    52 x  52 x 256   ->    26 x  26 x 512

   38 conv    256  1 x 1 / 1    26 x  26 x 512   ->    26 x  26 x 256

   39 conv    512  3 x 3 / 1    26 x  26 x 256   ->    26 x  26 x 512

   40 Shortcut Layer: 37

   41 conv    256  1 x 1 / 1    26 x  26 x 512   ->    26 x  26 x 256

   42 conv    512  3 x 3 / 1    26 x  26 x 256   ->    26 x  26 x 512

   43 Shortcut Layer: 40

   44 conv    256  1 x 1 / 1    26 x  26 x 512   ->    26 x  26 x 256

   45 conv    512  3 x 3 / 1    26 x  26 x 256   ->    26 x  26 x 512

   46 Shortcut Layer: 43

   47 conv    256  1 x 1 / 1    26 x  26 x 512   ->    26 x  26 x 256

   48 conv    512  3 x 3 / 1    26 x  26 x 256   ->    26 x  26 x 512

   49 Shortcut Layer: 46

   50 conv    256  1 x 1 / 1    26 x  26 x 512   ->    26 x  26 x 256

   51 conv    512  3 x 3 / 1    26 x  26 x 256   ->    26 x  26 x 512

   52 Shortcut Layer: 49

   53 conv    256  1 x 1 / 1    26 x  26 x 512   ->    26 x  26 x 256

   54 conv    512  3 x 3 / 1    26 x  26 x 256   ->    26 x  26 x 512

   55 Shortcut Layer: 52

   56 conv    256  1 x 1 / 1    26 x  26 x 512   ->    26 x  26 x 256

   57 conv    512  3 x 3 / 1    26 x  26 x 256   ->    26 x  26 x 512

   58 Shortcut Layer: 55

   59 conv    256  1 x 1 / 1    26 x  26 x 512   ->    26 x  26 x 256

   60 conv    512  3 x 3 / 1    26 x  26 x 256   ->    26 x  26 x 512

   61 Shortcut Layer: 58

   62 conv   1024  3 x 3 / 2    26 x  26 x 512   ->    13 x  13 x1024

   63 conv    512  1 x 1 / 1    13 x  13 x1024   ->    13 x  13 x 512

   64 conv   1024  3 x 3 / 1    13 x  13 x 512   ->    13 x  13 x1024

   65 Shortcut Layer: 62

   66 conv    512  1 x 1 / 1    13 x  13 x1024   ->    13 x  13 x 512

   67 conv   1024  3 x 3 / 1    13 x  13 x 512   ->    13 x  13 x1024

   68 Shortcut Layer: 65

   69 conv    512  1 x 1 / 1    13 x  13 x1024   ->    13 x  13 x 512

   70 conv   1024  3 x 3 / 1    13 x  13 x 512   ->    13 x  13 x1024

   71 Shortcut Layer: 68

   72 conv    512  1 x 1 / 1    13 x  13 x1024   ->    13 x  13 x 512

   73 conv   1024  3 x 3 / 1    13 x  13 x 512   ->    13 x  13 x1024

   74 Shortcut Layer: 71

   75 conv    512  1 x 1 / 1    13 x  13 x1024   ->    13 x  13 x 512

   76 conv   1024  3 x 3 / 1    13 x  13 x 512   ->    13 x  13 x1024

   77 conv    512  1 x 1 / 1    13 x  13 x1024   ->    13 x  13 x 512

   78 conv   1024  3 x 3 / 1    13 x  13 x 512   ->    13 x  13 x1024

   79 conv    512  1 x 1 / 1    13 x  13 x1024   ->    13 x  13 x 512

   80 conv   1024  3 x 3 / 1    13 x  13 x 512   ->    13 x  13 x1024

   81 conv    255  1 x 1 / 1    13 x  13 x1024   ->    13 x  13 x 255

   82 detection  

   83 route  79 

   84 conv    256  1 x 1 / 1    13 x  13 x 512   ->    13 x  13 x 256

   85 upsample            2x    13 x  13 x 256   ->    26 x  26 x 256

   86 route  85 61

   87 conv    256  1 x 1 / 1    26 x  26 x 768   ->    26 x  26 x 256

   88 conv    512  3 x 3 / 1    26 x  26 x 256   ->    26 x  26 x 512

   89 conv    256  1 x 1 / 1    26 x  26 x 512   ->    26 x  26 x 256

   90 conv    512  3 x 3 / 1    26 x  26 x 256   ->    26 x  26 x 512

   91 conv    256  1 x 1 / 1    26 x  26 x 512   ->    26 x  26 x 256

   92 conv    512  3 x 3 / 1    26 x  26 x 256   ->    26 x  26 x 512

   93 conv    255  1 x 1 / 1    26 x  26 x 512   ->    26 x  26 x 255

   94 detection

   95 route  91

   96 conv    128  1 x 1 / 1    26 x  26 x 256   ->    26 x  26 x 128

   97 upsample            2x    26 x  26 x 128   ->    52 x  52 x 128

   98 route  97 36

   99 conv    128  1 x 1 / 1    52 x  52 x 384   ->    52 x  52 x 128

  100 conv    256  3 x 3 / 1    52 x  52 x 128   ->    52 x  52 x 256

  101 conv    128  1 x 1 / 1    52 x  52 x 256   ->    52 x  52 x 128

  102 conv    256  3 x 3 / 1    52 x  52 x 128   ->    52 x  52 x 256

  103 conv    128  1 x 1 / 1    52 x  52 x 256   ->    52 x  52 x 128

  104 conv    256  3 x 3 / 1    52 x  52 x 128   ->    52 x  52 x 256

  105 conv    255  1 x 1 / 1    52 x  52 x 256   ->    52 x  52 x 255

  106 detection

 

你可能感兴趣的:(yolov3网络结构分析)