如何在喀拉拉邦建立类似YOLO的神经网络？

Question

我想更好地了解YOLO架构，并为我的数据集构建类似YOLO的网络。

我有50x50的灰度图像，并且想使用YOLO来找到像素分辨率的局部最大值。

我看了3篇关于YOLO体系结构的文章（YOLO，YOLO9000和YOLO v3），我发现了YOLOv3的一个受欢迎的仓库。

它定义了compose函数     从yolo3.utils导入撰写

compose处：

def compose(*funcs):
    """Compose arbitrarily many functions, evaluated left to right.
    Reference: https://mathieularose.com/function-composition-in-python/
    """
    # return lambda x: reduce(lambda v, f: f(v), funcs, x)
    if funcs:
        return reduce(lambda f, g: lambda *a, **kw: g(f(*a, **kw)), funcs)
    else:
        raise ValueError('Composition of empty sequence not supported.')

如果我正确理解YOLO的诀窍之一，就是在同一层上compose使用不同的卷积内核大小。例如conv2d(1,1,128)和conv2d(3,3,256)。

1. 除了conv2d的组成之外还有其他新技巧吗？
2. 什么是DarknetConv2D_BN_Leaky层？
3. 为什么我不能简单地使用keras.layers.Concatenate而不是compose层？

我试图了解类似YOLO的神经网络的基本组成部分。