激活函數：

很多層里面有 activation 這一項，這是激活函數，我看到的配置文件里面最常用的就3個： LINEAR：啥都不干 RELU ：值 > 0時保持不變，小于0時置0 LEAKY ：值 > 0時保持不變，小于0時值 * 0.1 （類似于caffe的prelu層）

卷積層：

[convolutional] filters=96 # 輸出blob通道數 size=11 # 卷積核尺寸 (長寬相同)，等價于caffe里面的kernel_w, kernel_h stride=4 # 移動步長 pad=0 # 是否在邊緣補 0 最終的padding為size/2（當pad = 1） activation=relu # Relu 激活函數

shortcut 層：

類似于caffe 的 eltwise 層（add），也就是把兩個c h w都相同的兩個層相加成一個相同c h w的層。??????[shortcut]from=-3 #和往前數第三個層相加 activation=linear

route 層：

route layer層主要是把對應的層連接在一起，在darknet 網絡結構中，要求輸入層對應的width、height必須相等，如果不相等，則把route layer層的輸出w,h,c都設置為0。例如輸入層1：26*26*256 輸入層2：26*26*128 則route layer輸出為：26*26*（256+128） 它具有可以具有一個或兩個值的屬性層。當屬性只有一個值時，它會輸出由該值索引的網絡層的特征圖。類似于caffe的concat層。

[route]

layers = -1, 61

upsample 層：

上采樣，功能類似最鄰近差值縮放算法

???????[upsample]

stride=2

yolo層（YOLOV3新增的層）：???????

[yolo]

mask = 0,1,2 #當前屬于第幾個預選框

anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326 #預選框， 將樣本通過k-means算法計算出來的值

classes=80 #網絡需要識別的物體種類數

num=9 #預選框的個數，即anchors總數

jitter=.3 #通過抖動增加噪聲來抑制過擬合

ignore_thresh = .7

truth_thresh = 1

random=1 #設置為0，表示關閉多尺度訓練（顯存小可以設置0）

總結

以上是生活随笔為你收集整理的YOLOv3中darknet的各种层的说明的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。