本文来自公众号“AI大道理”
在YOLOv3中继续改进，提出了一个更深的、借鉴了ResNet和的FPN的网络Darknet-53。
darknet-19
YOLO作者自己写的一个深度学习框架叫darknet，后来在YOLO9000中又提出了一个19层卷积网络作为YOLO9000的主干，称为Darknet-19。
这两者都是用于提取特征的主干网络。
网络使用了较多的3 * 3卷积核，在每一次池化操作后把通道数翻倍。
借鉴了network in network的思想，网络使用了全局平均池化（global average pooling）做预测，把1 * 1的卷积核置于3 * 3的卷积核之间，用来压缩特征。
使用batch normalization稳定模型训练，加速收敛，正则化模型。
最终得出的基础模型就是Darknet-19，包含19个卷积层、5个最大值池化层（max pooling layers ）。
Darknet-19处理一张照片需要55.8亿次运算。
可以看到， Darknet-19 的 stride 为32, 没有 fc 层，而是用了 Avgpool。
darknet-53
-
主干网络修改为darknet53，其重要特点是使用了残差网络Residual，darknet53中的残差卷积就是进行一次3X3、步长为2的卷积，然后保存该卷积layer，再进行一次1X1的卷积和一次3X3的卷积，并把这个结果加上layer作为最后的结果， 残差网络的特点是容易优化，并且能够通过增加相当的深度来提高准确率。其内部的残差块使用了跳跃连接，缓解了在深度神经网络中增加深度带来的梯度消失问题。
-
darknet53的每一个卷积部分使用了特有的DarknetConv2D结构，每一次卷积的时候进行l2正则化，完成卷积后进行BatchNormalization标准化与LeakyReLU。普通的ReLU是将所有的负值都设为零，Leaky ReLU则是给所有负值赋予一个非零斜率。
-
主干特征提取网络进行特征提取，输入一个416*416*3的图片，进行5次下采样，下采样过程中高和宽不断被压缩，通道数不断增加。上采样再进行堆叠的过程就是构建特征金字塔的过程，特征金字塔可以进行多尺度特征融合，提取出更有效的特征。
-
yolo v3的检测过程就是将输入的图片划分成不同的网格，每个网格有3个先验框，判断先验框里面是否有物体，判断物体的种类，然后调整先验框变成预测框。
特征金字塔
在特征利用部分，yolo3提取多特征层进行目标检测，一共提取三个特征层，三个特征层位于主干部分darknet53的不同位置，分别位于中间层，中下层，底层，三个特征层的shape分别为(52,52,256)、(26,26,512)、(13,13,1024)。
三个特征层进行5次卷积处理，处理完后一部分用于输出该特征层对应的预测结果，一部分用于进行反卷积UmSampling2d后与其它特征层进行结合。
输出层的shape分别为(13,13,75)，(26,26,75)，(52,52,75)，最后一个维度为75是因为该图是基于voc数据集的，它的类为20种，yolo3只有针对每一个特征层存在3个先验框，所以最后维度为3x25；
如果使用的是coco训练集，类则为80种，最后的维度应该为255 = 3x85，三个特征层的shape为(13,13,255)，(26,26,255)，(52,52,255)
代码实现
backbone：特征提取
Residual:残差网络
FPN:特征金字塔
——————
浅谈则止，细致入微AI大道理
扫描下方“AI大道理”，选择“关注”公众号
—————————————————————
—————————————————————