yolov3中CNN的真实层数是多少？答案

【问题标题】：What is the real number of CNN layers in yolov3?yolov3中CNN的真实层数是多少？
【发布时间】：2019-03-01 16:32:59
【问题描述】：

我真的对 yolov3 的架构感到困惑。我已经阅读了有关它的文档和论文。有人说它有 103 个卷积层，也有人说它有 53 层。但是当你计算 .cfg 文件中的卷积层时（下载后），它大约是 75！ ...这里错过了什么？我该怎么做才能找到它？这个问题对我们很重要，因为我们需要在论文中引用这个架构，并且我们需要知道层的确切大小......

【问题讨论】：

标签： python conv-neural-network object-detection yolo

【解决方案1】：

据 AlexeyAB（非常流行的分叉暗网版本的创建者和 YOLO v4 的创建者）https://groups.google.com/forum/?nomobile=true#!topic/darknet/9WppEzRouMU

Yolo 有
75 个 cnn 层（卷积层）+ 31 个其他层（shortcut、route、upsample、yolo）= 总共 106 层。

请记住，Yolo V3 在 3 个不同的尺度上进行检测，它们位于第 82,94,106 层 https://gist.github.com/fabito/a49bb6a5593594f26275bc90baba6e32

【讨论】：

【解决方案2】：

looks like 在这种情况下，此模型中的层数可能是可变的。在paper 中，它说 Darknet53 有 53 层。但是在他们的train.py 文件中，他们根据您使用的暗网模型对层数进行了截止。具体来说：

def load_darknet_weights(self, weights, cutoff=-1):
    # Parses and loads the weights stored in 'weights'
    # cutoff: save layers between 0 and cutoff (if cutoff = -1 all are saved)
    weights_file = weights.split(os.sep)[-1]

    # Try to download weights if not available locally
    if not os.path.isfile(weights):
        try:
            os.system('wget https://pjreddie.com/media/files/' + weights_file + ' -O ' + weights)
        except IOError:
            print(weights + ' not found')

    # Establish cutoffs
    if weights_file == 'darknet53.conv.74':
        cutoff = 75
    elif weights_file == 'yolov3-tiny.conv.15':
        cutoff = 15

这段代码是说，如果您使用 Darknet convulsion 74 文件，则层数的截止值为 75。如果您使用的是 Darknet convulsion 15 文件，则会在 15 层处截止.

因此，您需要检查您下载的暗网文件并确定您使用的版本。基于此，我会选择 75，因为您似乎使用了 darknet54.conv.74

此外，如果您查看他们的weights Repo，您会发现如果您只是从他们的 Github 中拉取并且不进行自定义，那么您会看到有 75 层的截止，因此他们的文件中似乎有 75 层。

值得注意的是，他们的论文于 2018 年 4 月发表，因此当时他们可以在 Github 上为他们的 CNN 添加更多层。

【讨论】：

非常感谢。这真的很有帮助。我计算了我下载的文件中的所有卷积层，大约有 75 层。根据你所提到的，我认为 75 是正确的答案跨度>
据我了解，Yolo 在 3 个不同的尺度上进行检测，它们位于第 82,94,106 层。这就是为什么当你训练你的模型时它总是显示那些层。那怎么只剪到75层呢？
看这里：gist.github.com/fabito/a49bb6a5593594f26275bc90baba6e32 总层数为 106