简明 | Yolo-v3结构理解摘要

目录整体结构DBLRes-nRes-unitconcat上采样整体结构网络主要包括两部分一个部分是主干网络Darknet-53一个部分使用特征金字塔(FPN)融合、加强特征提取并利用卷积进行预测。DBLDBL即Darknetconv2d_BN_Leaky就是convBNBatch NormalizationLeaky relu三者共同构成组件。除最后一层卷积层外BN和leaky relu与卷积层完整绑定。Res-nRes-n即残差模块n表示这个Res-block里含有多少个Res-unit。yolo-v3首次借鉴ResNet的残差结构让网络更深例如从v2的darknet-19到v3的darknet-53。http://t.csdnimg.cn/swIL4Res-unitRes-u即残差单元含有多个DBL残差模块中含有一个或多个残差单元。concatconcat即拼接层PyTorch中就是张量拼接将Darknet中间层和后面的某一层的上采样进行拼接。拼接的操作和残差层add的操作是不一样的拼接会扩充张量的维度而add只是直接相加不会导致张量维度的改变。上采样上采样层放大图片和增加图片的分辨率将提取到的Feature Map进行放大 从而以更高的分辨率进行显示图像。这里的图像放大不是下采样的逆操作通常通过双线性插值或转置卷积实现。