yolov3中CNN层的实际数量是多少？

Question

我对yolov3的架构感到非常困惑，我已经阅读了有关它的文档和论文。有些人说它有103个卷积层，而其他人则说它只有53个卷积层。但是，当你在下载后查看.cfg文件中的卷积层时，大约只有75个！...这里错过了什么？我该怎么做来找到它？这个问题对我们很重要，因为我们需要在论文中引用这个架构，我们需要知道层的确切大小...

- mahyar sadeghi

Answer 1

根据AlexeyAB（非常流行的Darknet分支版本和YOLO v4的创建者）的说法https://groups.google.com/forum/?nomobile=true#!topic/darknet/9WppEzRouMU，Yolo有75个cnn层（卷积层）+ 31个其他层（shortcut、route、upsample、yolo），总共106层。

请记住，Yolo V3在3个不同的尺度上进行检测，分别是在第82、94、106层https://gist.github.com/fabito/a49bb6a5593594f26275bc90baba6e32。

- gameon67

Answer 2

在这种情况下，模型中可能有可变数量的层。在论文中，它说Darknet53有53层。但是在他们的train.py文件中，根据您使用的Darknet模型，他们对层数进行了截断。具体来说：

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

这段代码的意思是，如果你使用的是Darknet convulsion 74文件，则层数的截止值为75。如果你使用的是Darknet convulsion 15文件，则层数的截止值为15。因此，你需要检查你下载的Darknet文件并确定你使用的版本。基于这一点，我建议选择75，因为似乎你使用的是darknet54.conv.74。

此外，如果你查看他们的weights Repo，你会发现如果只从Github上拉取而没有自定义，那么层数的截止值为75，因此他们的文件中有75个层。

值得注意的是，他们的论文发表于2018年4月，在这段时间里，他们可能已经在Github上增加了更多的CNN层。

- Edeki Okoh

---

非常感谢。这真的很有帮助。我在下载的文件中数了所有卷积层，大约有75层。根据你提到的内容，我认为75是正确答案。 - mahyar sadeghi

据我所知，Yolo在3个不同的尺度上进行检测，分别位于第82、94、106层。这就是为什么当您训练模型时，它总是显示这些层。那么为什么它被削减到只有75层呢？ - gameon67

请查看此处：https://gist.github.com/fabito/a49bb6a5593594f26275bc90baba6e32，总层数为106。 - gameon67

Answer 3

YOLO v3总共有107个层，你还应该计算快捷层、路由层、上采样层和YOLO层（总共32个）。因此，总共有75+32=107个层。当你在快捷层或路由层中看到索引时，你会发现我们是从0开始计数的。因此，YOLO层位于82、94、106层。

- user11308707