最近在看tensorflow，沒有經過實踐的學習總感覺很心虛，因此打算做點什麼。所以，那就從yolo入手吧，將yolo v3改寫為tensorflow版本來進行練手。那第一步便是需要對yolo網路結構有一定的理解，不能像之前僅僅用yolo訓練資料然後檢測目標那樣浮於表面。
整個網路主要是由一系列的1x1和3x3的卷積層組成（每個卷積層後都會跟乙個bn層和乙個leakyrelu)層，作者說因為網路中有53個convolutional layers，所以叫做darknet-53。下圖就是darknet-53的結構圖，在其中標註了一些資訊方便理解。（卷積的strides預設為（1，1），padding預設為same，當strides為（2，2）時padding為valid）
網路輸入：原**中提到的大小320*320,416*416,608*608。這個大小必須是32的整數倍數，yolo_v3有5次下取樣，每次取樣步長為2，所以網路的最大步幅（步幅指層的輸入大小除以輸出）為2^5=32。
如上圖所示為darknet-53殘差模組。darknet-53採用了resnet這種跳層連線方式，效能完全比resnet-152和resnet-101這兩種深層網路好，這裡作者並沒有給出原因，可能的原因:a.網路的基本單元的差異,b.網路層數越少，引數少。需要的計算量少。
使用殘差的結構的好處：（1）深度模型乙個關鍵的點就是能否正常收斂，殘差這種結構能保證網路結構在很深的情況下，仍能收斂，模型能訓練下去。（2）網路越深，表達的特徵越好，分類+檢測的效果都會提公升。（3）殘差中的1*1卷積，使用network in network的想法，大量的減少了每次卷積的channel，一方面減少了參數量（參數量越大，儲存的模型越大），另一方面在一定程度上減少了計算量
利用三個特徵層進行邊框的**，流程如下圖所示。注意：原darknet53中的尺寸是在分類訓練集上訓練的，所以輸入的影象尺寸是256x256，下圖是以yolo v3 416模型進行繪製的，所以輸入的尺寸是416x416，**的三個特徵層大小分別是52，26，13。
在上圖中我們能夠很清晰的看到三個**層分別來自的什麼地方，以及concatenate層與哪個層進行拼接。注意convolutional是指conv2d+bn+leakyrelu，和darknet53圖中的一樣，而生成**結果的最後三層都只是conv2d。通過上圖就能更加容易地搭建出yolov3的網路框架了。
網路中作者進行了三次檢測，分別是在32倍降取樣(2^5)，16倍降取樣(2^4)，8倍降取樣(2^3)時進行檢測,這樣在多尺度的feature map上檢測跟ssd有點像。在網路中使用up-sample（上取樣）的原因:網路越深的特徵表達效果越好，比如在進行16倍降取樣檢測，如果直接使用第四次下取樣的特徵來檢測，這樣就使用了淺層特徵，這樣效果一般並不好。如果想使用32倍降取樣後的特徵，但深層特徵的大小太小，因此yolo_v3使用了步長為2的up-sample（上取樣），把32倍降取樣得到的feature map的大小提公升一倍，也就成了16倍降取樣。同理8倍取樣也是對16倍降取樣的特徵進行步長為2的上取樣，這樣就可以使用深層特徵進行detection。
yolo v3通過上取樣的方式很好的使16倍降取樣和8倍降取樣使用深層特徵，但進行4次下取樣和3次下取樣得到的淺層feature map大小是一樣的。yolo_v3想把這些淺層特徵也利用起來，就有了route層。把16倍降取樣得到的feature map和四次下取樣得到的層拼接在一起，在channel那個維度進行拼接。這樣拼接的好處：讓網路同時學習深層和淺層特徵，表達效果更好。8倍降取樣同樣也是這樣的操作，把三次下取樣的feature map拼接在一起。
網路輸出大小的確定：
note：對於其中的feature map部分，yolo在3個尺度上進行目標檢測，是不是挺像opencv的多尺度目標檢測思想啊！在opencv中，detectmultiscale()函式就是構造影象金字塔，在不同解析度影象上進行目標檢測，我想，借助於這個思想，可以對yolo進行部分更改，以加深或者裁減或者指定影象金字塔的數量或者解析度。
1.yolo_v3 原理以及訓練說明
2.yolo系列之yolo v3【深度解析】
YOLO v2網路結構分析
原 yolo9000 better,faster,stronger yolo2網路中第0 22層是darknet 19網路，後面第23層開始，是新增的檢測網路。說明 route層的作用是進行層的合併 在第27層 直接新增了乙個passthrough layer 得到26 26的細粒度的特徵，然後將2...
目標檢測 Yolov3網路詳解
現在來仔細理解下yolov3這個網路細節。目標檢測的經典網路有yolo和ssd，還有今天要記錄的yolov3。yolo 將一張圖劃分為眾多個小格仔，每個小格仔檢測到一種物體，並 兩個bounding box,問題是當小格仔內的物體眾多時，yolo很可能會漏檢。ssd 不太適合檢測小物體，vgg19限...
yolov4網路結構 目標檢測YOLO V4
一 yolo v4主要做了什麼？通俗的講，就是說這個yolo v4演算法是在原有yolo目標檢測架構的基礎上，採用了近些年cnn領域中最優秀的優化策略，從資料處理 主幹網路 網路訓練 啟用函式 損失函式等各個方面都有著不同程度的優化，雖沒有理論上的創新，但是會受到許許多多的工程師的歡迎，各種優化演算...