yolov3网络结构

Yolov3网络结构由几个基本组件组成。其中，CBL是Yolov3网络结构中的最小组件，由Conv+Bn+Leaky_relu激活函数三者组成。Res unit是借鉴了Resnet网络中的残差结构，使得网络可以构建得更深。ResX由一个CBL和X个残差组件构成，是Yolov3中的大组件。每个Res模块前面的CBL起到下采样的作用，因此经过5次Res模块后，得到的特征图大小从608变为304、152、76、38、19。除了这些基本组件外，还有一些其他基础操作，如Concat（张量拼接）和add（张量相加）。在Yolov3的主干网络Backbone中，共有52个卷积层，再加上一个FC全连接层，组成了Darknet53分类网络。需要注意的是，在目标检测Yolov3中，去掉了FC层，但仍然称其为Darknet53结构。\[1\]

另外，通过观察预测层的结构，我们可以清晰地看到它们分别来自哪个部分，并且Concatenate层与哪个层进行拼接。需要注意的是，Convolutional指的是Conv2d+BN+LeakyReLU，与Darknet53图中的一样，而生成预测结果的最后三层只是Conv2d。通过这些信息，我们可以更容易地搭建出Yolov3的网络框架。\[2\]

如果对Yolov3网络结构还有疑惑，可以参考Github上一些大牛们基于Tensorflow搭建的Yolov3模型的代码进行进一步分析。\[3\]
#### 引用[.reference_title]
- *1* [Yolov3网络架构分析](https://blog.csdn.net/wujianing_110117/article/details/119381158)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* *3* [YOLO v3网络结构分析](https://blog.csdn.net/qq_37541097/article/details/81214953)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]