(一）YOLO目标识别模型 ——Darknet53网络结构
（一）YOLO目标识别模型
——Darknet53网络结构
参考
本文链接： https://blog.csdn.net/leiduifan6944/article/details/104857968
文章目录
- 参考
- 前言
- 一、YOLO的主要骨架
- 二、介绍
-
- 1.创建卷积块
- 2.创建残差单元
- 2.按照上面结构图写出Darknet53网络结构
- 总结
前言
YOLO算法的出现，将回归思想引入目标识别处理过程，最终直接输出物体的位置、置信度和类别信息。YOLOv3在结构中模块与模块的衔接采用张量拼接，不同于残差层的add操作。
YOLO的主要骨架采用53个卷积层的Darknet53网络结构。
使用残差（Residual）神经网络的必要性：网络越深，梯度消失的现象就越来越明显，网络的训练效果也不会很好。残差神经网络就是为了在加深网络的情况下又解决梯度消失的问题。残差结构可以不通过卷积，直接从前面一个特征层映射到后面的特征层（跳跃连接），有助于训练，也有助于特征的提取，容易优化。
原文链接：https://blog.csdn.net/weixin_39615182/article/details/109752498
一、YOLO的主要骨架
如图所示为YOLO的主要骨架，即Darknet53网络结构
二、介绍
1.创建卷积块
创建卷积类，一次性完成卷积+归一化+激活。
class Conv(nn.Module):
def __init__(self, c_in, c_out, k, s, p, bias=True):
"""
自定义一个卷积块，一次性完成卷积+归一化+激活，这在类似于像DarkNet53这样的深层网络编码上可以节省很多代码
:param c_in: in_channels
:param c_out: out_channels
:param k: kernel_size
:param s: stride
:param p: padding
:param bias: …
"""
super(Conv, self).__init__()
self.conv = nn.Sequential(
nn.Conv2d(c_in, c_out, k, s, p),
nn.BatchNorm2d(c_out),
nn.LeakyReLU(0.1),
)
def forward(self, entry):
return self.conv(entry)
我们可以看出整个结构中没有使用池化层和全连接层，张量尺度变化是通过改变卷积核的步长(stride)完成，步长表达式为stride=(x,y),其中x表示卷积核的水平滑动步长，y表示卷积核的垂直滑动步长。
其中o为输出特征图的宽度或高度；
其中i为输入特征图的宽度或高度；
其中p为输入特征图的填充大小；
其中k为输入特征图的卷积核的宽度或高度；
若stride=(2,2),即特征图以两倍速度缩小。经历5次缩小后，特征面积缩小为原来的1/2^5，即输入尺寸为x=416x416，输出尺寸就会变为y=13x13;
2.创建残差单元
代码如下（示例）：
class ConvResidual(nn.Module):
def __init__(self, c_in): # converlution * 2 + residual
"""
自定义残差单元，只需给出通道数，该单元完成两次卷积，并进行加残差后返回相同维度的特征图
:param c_in: 通道数
"""
c = c_in // 2
super(ConvResidual, self).__init__()
self.conv = nn.Sequential(
Conv(c_in, c, 1, 1, 0), # kernel_size = 1进行降通道
Conv(c, c_in, 3, 1, 1), # 再用kernel_size = 3把通道升回去
)
def forward(self, entry):
return entry + self.conv(entry) # 加残差，既保留原始信息，又融入了提取到的特征
# 采用 1*1 + 3*3 的形式加深网络深度，加强特征抽象
我们可以看出，残差单元并没有改变特征图的通道数和尺寸，只是加强了特征抽象。
2.按照上面结构图写出Darknet53网络结构
代码如下（示例）：
class Darknet53(nn.Module):
def __init__(self):
super(Darknet53, self).__init__()
self.conv1 = Conv(3, 32, 3, 1, 1) # 一个卷积块 = 1层卷积
self.conv2 = Conv(32, 64, 3, 2, 1)
self.conv3_4 = ConvResidual(64) # 一个残差块 = 2层卷积
self.conv5 = Conv(64, 128, 3, 2, 1)
self.conv6_9 = nn.Sequential( # = 4层卷积
ConvResidual(128),
ConvResidual(128),
)
self.conv10 = Conv(128, 256, 3, 2, 1)
self.conv11_26 = nn.Sequential( # = 16层卷积
ConvResidual(256),
ConvResidual(256),
ConvResidual(256),
ConvResidual(256),
ConvResidual(256),
ConvResidual(256),
ConvResidual(256),
ConvResidual(256),
)
self.conv27 = Conv(256, 512, 3, 2, 1)
self.conv28_43 = nn.Sequential( # = 16层卷积
ConvResidual(512),
ConvResidual(512),
ConvResidual(512),
ConvResidual(512),
ConvResidual(512),
ConvResidual(512),
ConvResidual(512),
ConvResidual(512),
)
self.conv44 = Conv(512, 1024, 3, 2, 1)
self.conv45_52 = nn.Sequential( # = 8层卷积
ConvResidual(1024),
ConvResidual(1024),
ConvResidual(1024),
ConvResidual(1024),
)
def forward(self, entry):
conv1 = self.conv1(entry)
conv2 = self.conv2(conv1)
conv3_4 = self.conv3_4(conv2)
conv5 = self.conv5(conv3_4)
conv6_9 = self.conv6_9(conv5)
conv10 = self.conv10(conv6_9)
conv11_26 = self.conv11_26(conv10)
conv27 = self.conv27(conv11_26)
conv28_43 = self.conv28_43(conv27)
conv44 = self.conv44(conv28_43)
conv45_52 = self.conv45_52(conv44)
return conv45_52, conv28_43, conv11_26 # YOLOv3用，所以输出了3次特征
YOLO通过53个卷积层的网络结构Darknet53进行特征提取，得出特征图。
总结
我们知道，当我们将一张图片传进yolo，yolo会将其转化为416×416大小的网格，增加灰度条用于防止失真，之后图片会分成三个网格图片（13×13，26×26，52×52）
yolov3提取多特征层进行目标检测，一共提取三个特征层，三个特征层位于主干特征提取网络darknet53的不同位置，分别位于中间层，中下层，底层，三个特征层的shape分别为(52,52,256)、(26,26,512)、(13,13,1024)，这三个特征层后面用于与上采样后的其他特征层堆叠拼接（Concat）。