我真的很困惑YOLOv3中存在的卷积层数！
根据paper，他们使用的是 darknet- 53 ，他们没有提及任何进一步的细节或对该结构的补充！
但是，根据AlexeyAB的版本，它由 106 层组成！ 此外， towardsdatascience 网站声称要在检测过程中添加额外的53层，但是这实际上意味着前53层仅用于特征提取吗？
所以我的问题是，这些额外的纸上未提及的53层是什么问题？哪儿来的？为什么？
答案 0 :(得分：0)
Darknet-53是Joseph Redmon等人开发的提取器的名称，它确实构成了YOLOv3的前53层。接下来的53层专用于调整输入的大小，串联和上采样，以准备分别在82、94和106层以三种不同的比例进行检测。第一层检测最大的对象，第二层检测中间的对象，最后一层检测所有剩余的对象（至少在理论上是这样）。
我认为这种分层结构的想法是进入YOLOv3的距离越远，它能够提取的高级信息越多。
答案 1 :(得分：0)
根据AlexeyAB（非常受欢迎的派生Darknet版本的创建者）https://groups.google.com/forum/?nomobile=true#!topic/darknet/9WppEzRouMU（此链接已被弃用）
Yolo有 75个cnn层（卷积层） +其他31个层（快捷方式，路径，上采样，yolo）=总共106层。
您可以在cfg文件中计算CNN层的总数，共有75个。另外请记住，Yolo V3确实以3个不同的比例进行检测，分别位于82,94,106层。