YOLOv3 卷积层数答案

【问题标题】：YOLOv3 convolutional layers countYOLOv3 卷积层数
【发布时间】：2019-05-19 14:37:35
【问题描述】：

我真的对 YOLOv3 中存在的卷积层数感到困惑！

根据paper，他们正在使用darknet-53，他们没有提及任何进一步的细节或对该结构的补充！

然而，根据AlexeyAB的构建，它由106层组成！此外，towardsdatascience 网站声称额外的 53 层是为检测过程添加的，但前 53 层仅用于特征提取的真正含义是什么？

所以我的问题是，这些额外的未提及的 53 层是怎么回事？哪儿来的？为什么？

【问题讨论】：

标签： neural-network conv-neural-network yolo

【解决方案1】：

根据 AlexeyAB（非常流行的分叉暗网版本的创建者）https://groups.google.com/forum/?nomobile=true#!topic/darknet/9WppEzRouMU（此链接已被弃用）

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

你可以在cfg文件中计算CNN层的总数，有75个。还要记住Yolo V3在3个不同的尺度上进行检测，分别是82,94,106层。

【讨论】：

【解决方案2】：

Darknet-53 是 Joseph Redmon 等人开发的提取器的名称，它确实构成了 YOLOv3 的前 53 层。接下来的 53 层专门用于调整输入的大小、连接和上采样，以准备它们分别在第 82、94 和 106 层以三种不同的尺度进行检测。第一层检测最大的物体，第二层检测中间的物体，最后一层检测所有剩余的物体（至少理论上如此）。

我认为这种分层结构的想法是越深入 YOLOv3，它能够提取的高级信息就越多。

【讨论】：