YOLO v3详细解读

Darknet-53模型结构 整个网络主要包括5组残差块，如下：

以256x256输入为例，首先经过一个3x3x32的卷积层输出为256x256x32;
接着经过一个3x3x64 stride=2的卷积层输出为128x128x64;
接着经过一个残差块(前面学习残差网络的时候学过)，输出为128x128x64；
再经过一个3x3x128 stride=2的卷积层输出为64x64x128;
经过2个残差块后输出为64x64x128;
接着经过一个3x3x256 stride=2的卷积层输出为32x32x256;
接着经过8个残差块，输出为32x32x256；
再经过一个3x3x512 stride=2的卷积层输出为16x16x512;
接着经过8个残差块后输出为16x16x512;
接着经过一个3x3x1024 stride=2的卷积层输出为8x8x1024;
接着经过4个残差块后输出为8x8x1024;
最后经过池化全连接层以及softmax输出.

更加具体的Pytorch复现请看我另一篇文章 Darknet53网络结构复现（Pytorch版）

为了比较Darknet-53与其它网络结构的性能，作者在TitanX上，采用相同的实验设置，将 $256×256$的图片分别输入以Darknet-19，ResNet-101，ResNet-152和Darknet-53为基础网络的分类模型中，实验得到的结果如下图所示。可以看到Darknet-53比ResNet-101的性能更好，而且速度是其1.5倍，Darknet-53与ResNet-152性能相似但速度几乎是其2倍。注意到，Darknet-53相比于其它网络结构实现了每秒最高的浮点计算量，说明其网络结构能更好的发挥GPU性能 。