【目标检测】YOLOv2 网络结构(darknet-19 作为 backbone)

上一篇文章主要是写了一些 YOLOv1 的原版网络结构,这篇文章一样,目标是还原论文中原版的 YOLOv2 的网络结构,而不是后续各种魔改的版本。

YOLOv2 和 YOLOv1 不一样,开始使用 Darknet-19 来作为 backbone 了。论文中给出了 Darknet-19 的网络结构细节图。但是表格中的输入甚至不是 448x448x3 的,而是 224x224x3 的,但是论文中特别提到:

We also shrink the network to operate on 416 input images instead of 448×448. We do this because we want an odd number of locations in our feature map so there is a single center cell.

就是说为了让网格为奇数,中心点只存在一个中心网格,就将输入的尺寸设定为了 416x416x3。

按照 416x416x3 的网络输入的话,backbone Darknet-19 的网络结构参数示意图如下面表格所示。

layer output size module
input 416x416x3
1 416x416x32 Conv 3x3x32, s-1, p-1 backbone: Darknet-19
208x208x32 Maxpool 2x2, s-2, p-0 backbone: Darknet-19
2 208x208x64 Conv 3x3x64, s-1, p-1 backbone: Darknet-19
104x104x64 Maxpool 2x2, s-2, p-0 backbone: Darknet-19
3 104x104x128 Conv 3x3x128, s-1, p-1 backbone: Darknet-19
4 104x104x64 Conv 1x1x64, s-1, p-0 backbone: Darknet-19
5 104x104x128 Conv 3x3x128, s-1, p-1 backbone: Darknet-19
52x52x128 Maxpool 2x2, s-2, p-0 backbone: Darknet-19
6 52x52x256 Conv 3x3x256, s-1, p-1 backbone: Darknet-19
7 52x52x128 Conv 1x1x128, s-1, p-0 backbone: Darknet-19
8 52x52x256 Conv 3x3x256, s-1, p-1 backbone: Darknet-19
26x26x256 Maxpool 2x2, s-2, p-0 backbone: Darknet-19
9 26x26x512 Conv 3x3x512, s-1, p-1 backbone: Darknet-19
10 26x26x256 Conv 1x1x256, s-1, p-0 backbone: Darknet-19
11 26x26x512 Conv 3x3x512, s-1, p-1 backbone: Darknet-19
12 26x26x256 Conv 1x1x256, s-1, p-0 backbone: Darknet-19
13 26x26x512 Conv 3x3x512, s-1, p-1 backbone: Darknet-19
13x13x512 Maxpool 2x2, s-2, p-0 backbone: Darknet-19
14 13x13x1024 Conv 3x3x1024, s-1, p-1 backbone: Darknet-19
15 13x13x512 Conv 1x1x512, s-1, p-0 backbone: Darknet-19
16 13x13x1024 Conv 3x3x1024, s-1, p-1 backbone: Darknet-19
17 13x13x512 Conv 1x1x512, s-1, p-0 backbone: Darknet-19
18 13x13x1024 Conv 3x3x1024, s-1, p-1 backbone: Darknet-19
19 13x13x1000 Conv 1x1x1000, s-1, p-0 backbone: Darknet-19
1000 Avgpool
1 softmax

因为要作为 YOLOv2 的 backbone,所以要将后面的一个 1x1 的卷积层(相当于 FC 层)和后续的 softmax 去掉。所以实际上 Darknet-19 作为 backbone 在 YOLOv2 里只有 18 个卷积层。

可以看到上面 YOLOv2 的 backbone 部分只有 Darknet-19 的 前 18 个卷积层。

  • Pass Through 层,感觉和 YOLOv5 中出现的 Focus 模块是一样的:

    是对特征的重新排列,一种特殊的 reshape。
  • 最后的 1x1 卷积层,是根据类别 class 的数量来决定的,例如,你如果有目标检测的类别有 20 类,那么,因为每个网格 grid 一般会预测 5 个 boundary box,每个 boundary box 会预测 4 个坐标值(x, y, w, h) + 1 个置信率 conf + 20 个类别。计算出来就是一个网格 grid 会预测 125 个参数。

YOLO2的训练主要包括三个阶段。

  • 第一阶段就是先在ImageNet分类数据集上预训练Darknet-19,此时模型输入为 224x224 ,共训练160个epochs。
  • 第二阶段将网络的输入调整为 448x448,继续在ImageNet数据集上finetune分类模型,训练10个epochs,此时分类模型的top-1准确度为76.5%,而top-5准确度为93.3%。
  • 第三个阶段就是修改Darknet-19分类模型为检测模型,移除最后一个卷积层、global avgpooling层以及softmax层,并且新增了三个 3x3x1024卷积层,同时增加了一个passthrough层,最后使用 1x1 卷积层输出预测结果,输出的channels数为:num_anchors(5+num_classes) 。
相关推荐
神经星星1 天前
准确度提升400%!印度季风预测模型基于36个气象站点,实现城区尺度精细预报
人工智能
IT_陈寒1 天前
JavaScript 性能优化:5 个被低估的 V8 引擎技巧让你的代码快 200%
前端·人工智能·后端
Juchecar1 天前
一文讲清 PyTorch 中反向传播(Backpropagation)的实现原理
人工智能
黎燃1 天前
游戏NPC的智能行为设计:从规则驱动到强化学习的演进
人工智能
机器之心1 天前
高阶程序,让AI从技术可行到商业可信的最后一公里
人工智能·openai
martinzh1 天前
解锁RAG高阶密码:自适应、多模态、个性化技术深度剖析
人工智能
机器之心1 天前
刚刚,李飞飞空间智能新成果震撼问世!3D世界生成进入「无限探索」时代
人工智能·openai
scilwb1 天前
Isaac Sim机械臂教程 - 阶段1:基础环境搭建与机械臂加载
人工智能·开源
舒一笑1 天前
TorchV企业级AI知识引擎的三大功能支柱:从构建到运营的技术解析
人工智能
掘金酱1 天前
🎉 2025年8月金石计划开奖公示
前端·人工智能·后端