激活函數(shù)：

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

卷積層：

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

shortcut 層：

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

route 層：

route layer層主要是把對(duì)應(yīng)的層連接在一起，在darknet 網(wǎng)絡(luò)結(jié)構(gòu)中，要求輸入層對(duì)應(yīng)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(shè)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(gè)或兩個(gè)值的屬性層。當(dāng)屬性只有一個(gè)值時(shí)，它會(huì)輸出由該值索引的網(wǎng)絡(luò)層的特征圖。類(lèi)似于caffe的concat層。

[route]

layers = -1, 61

upsample 層：

上采樣，功能類(lèi)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(dāng)前屬于第幾個(gè)預(yù)選框

anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326 #預(yù)選框， 將樣本通過(guò)k-means算法計(jì)算出來(lái)的值

classes=80 #網(wǎng)絡(luò)需要識(shí)別的物體種類(lèi)數(shù)

num=9 #預(yù)選框的個(gè)數(shù)，即anchors總數(shù)

jitter=.3 #通過(guò)抖動(dòng)增加噪聲來(lái)抑制過(guò)擬合

ignore_thresh = .7

truth_thresh = 1

random=1 #設(shè)置為0，表示關(guān)閉多尺度訓(xùn)練（顯存小可以設(shè)置0）

總結(jié)

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?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。