确定 2 个类的自定义 Yolov4 输出层形状

Question

我最近训练了一个暗网 yolov4 模型来检测 2 个对象，将其转换为 tensorflow，然后使用以下教程进行 onnx。

https://github.com/onnx/models/blob/master/vision/object_detection_segmentation/yolov4/dependencies/Conversion.ipynb

我最终得到了一个具有以下输入和输出层尺寸的模型

如何确定具有未知数字的三个输出层的形状？ 我需要它们，以便我可以在 ML.Net 中使用该模型。

Answer 1

这很简单：

unk__2241 是批量大小，所以暂时未知。

在 CSPDarknet53 之后，您的输出形状为 (unk_2241,13,13,512)，因为缩减因子为 32。然后在 SPP 之后，您有 (unk_2241, 13, 13, 2048) 内核大小 = [1,3,5,13] .

您有 3 个头用于检测图像上的大、中、小对象，每个对象大小有 3 个锚点。在这 3 个头中，yolo 使用了 3 个来自修改后的 PANet 的特征图，这些特征图是 (unk_2241,52,52,256)，(unk_2241,26,26,512)，(unk_2241,13,13,1024)，因为缩减因子是 8， 16、32。

然后在每个 yolo 层之前，有一个卷积用于制作最终的特征图，其形状为 (unk_2241, 52, 52, 21), (unk_2241, 26, 26, 21) , (unk_2241, 13, 13, 21) , 内核形状是 (256, (class number + coords of bbox + confidence)*anchor number for each size, 1, 1) ->(256, 21, 1, 1), (512, 21, 1, 1) , (1024, 21, 1, 1)。

在 yolo head 中，您将拥有 (unk_2241, 52, 52, 3, 7), (unk_2241, 26, 26, 3, 7), (unk_2241, 13, 13, 3, 7)，其中 yolo head 是将输入的最后一个轴除以锚点数，类数 + bbox 的坐标 + 置信度。

结果：

1. unk__2241 = unk__2242 = unk__2245 = unk__2248 -> 它们都是批量大小。
2. YOLO 头部输出形状：(unk_2242, 52, 52, 3, 7), (unk_2245, 26, 26, 3, 7), (unk_2248, 13, 13, 3, 7)。
3. 批量大小可以是所有数据集的大小。