yolo v3学习笔记

证明relu6能比leaky relu有更好的效果，收敛也更快。

pelee mouse 测试集 map 94.57 训练集 ？

yolov3 测试集map 95 训练集99%

卷积层得来的特征：

输入是416*416：

13*13 一个特征点代表32*32像素的图像，检测大目标，最小检测32*32的图像，基于1280是96*96的图像

26*26 一个特征点代表16*16的图像，检测中目标，最小检测16*16的图像，基于1280是48*48的图像

52*52 一个特征点代表8*8的图像  检测小目标，最小检测8*8的图像，基于1280是24*24的图像

候选框个数 52*52*3*30=243360

                     26*26*3*30=60840

                     13*13*3*30=15210

一共约30.4万候选框，参数为146万参数。

支持不同的yolo层，anchors数量可以自由定制

如果去掉上采样，前面的层学习小目标，后面的层学习大目标，内存一下就爆了，只能删减代码。

  

   

    

     

    
    

     

      import torch
     
    
   

    

     

    
    

     

      import torch.nn as nn
     
    
   

    

     

    
    

     

      from collections import OrderedDict
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      # from nets.coordConv import AddCoords
     
    
   

    

     

    
    

     

      from nets import mobilenet
     
    
   

    

     

    
    

     

      from nets.backbone.msra_resnet
     
    
  
 

文章来源: blog.csdn.net，作者：网奇，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/jacke121/article/details/80641327