Yolov3中CNN层的实际数量是多少

Question

我真的与yolov3的架构感到困惑。我已经阅读了有关它的文档和论文。有人说它有103个卷积层，其他人说它有53层。但是，当您计算.cfg文件中的卷积层（下载后）时，大约是75！...这里错过了什么？我该怎么办？这个问题对我们很重要，因为我们需要在论文中引用这种体系结构，我们需要知道这些层的确切大小...

Answer 1

根据Alexeyab（非常受欢迎的叉网版的创建者和Yolo V4的创建者）https://groups.google.com/forum/?nomobile=true=true#true#topic/dopic/dopic/daparknet/9wppezroumu

yolo有
75个CNN层（卷积层） 其他31个其他层（快捷方式，路线，Upsample，Yolo）= 106层。

请记住，Yolo V3确实在3个不同的尺度上进行检测，在第82,94,106层https://gist.github.com/fabito/a49bb6a5593594f2626275bc90bc90baba60baba60baba622

在这种情况下看起来，该模型中可能会有一个可变的层。在论文中，它说Darknet53有53层。但是在他们的train.py文件中，他们基于您使用的DarkNet模型的层数有一个截止数量。具体：

def load_darknet_weights(self, weights, cutoff=-1):
    # Parses and loads the weights stored in 'weights'
    # cutoff: save layers between 0 and cutoff (if cutoff = -1 all are saved)
    weights_file = weights.split(os.sep)[-1]
    # Try to download weights if not available locally
    if not os.path.isfile(weights):
        try:
            os.system('wget https://pjreddie.com/media/files/' + weights_file + ' -O ' + weights)
        except IOError:
            print(weights + ' not found')
    # Establish cutoffs
    if weights_file == 'darknet53.conv.74':
        cutoff = 75
    elif weights_file == 'yolov3-tiny.conv.15':
        cutoff = 15

这件代码说，如果您使用的是Darknet urkulsion 74文件，则层数的截止数将为75。您正在使用Darknet urkulsion 15文件，将在15层处有一个截止。

因此，您需要检查您下载的DarkNet文件并确定所使用的版本。基于此，我会选择75，因为您似乎使用了darknet54.conv.74

此外，如果您查看他们的权重仓库，您可以看到，如果您只是从他们的github中进行拉动而没有自定义，则可以使用75层的截止，因此，他们的文件中似乎有75层。

值得注意的是，他们的论文于2018年4月发表，因此在那个时候，他们可以在Github上为CNN增加更多层。

yolo v3 具有107 layers ，您还应计算快捷方式，路线层， uplample层和 yolo层（总计32）。因此，总共有75 32 = 107 层。当您在快捷方式或路由层中看到索引时，您会发现我们从0计数。Div>