【darknet】【reorg】yolo配置文件的参数说明和reorg层的理解！

妖狐艹你老母 2022-05-17 03:35 159阅读 0赞

1、yolo V2配置文件的说明：

[net] 
       batch= 64 每batch个样本更新一次参数。 
       subdivisions= 8 如果内存不够大，将batch分割为subdivisions个子batch，每个子batch的大小为batch/subdivisions。 
       在darknet代码中，会将batch/subdivisions命名为batch。 
       height= 416 input图像的高 
       width= 416 Input图像的宽 
       channels= 3 Input图像的通道数 
       momentum= 0.9 动量 
       decay= 0.0005 权重衰减正则项，防止过拟合 
       angle= 0 通过旋转角度来生成更多训练样本 
       saturation = 1.5 通过调整饱和度来生成更多训练样本 
       exposure = 1.5 通过调整曝光量来生成更多训练样本 
       hue= .1 通过调整色调来生成更多训练样本 
       
       learning_rate= 0.0001 初始学习率 
       max_batches = 45000 训练达到max_batches后停止学习 
       policy=steps 调整学习率的policy，有如下policy：CONSTANT, STEP, EXP, POLY, STEPS, SIG, RANDOM 
       steps= 100, 25000, 35000 根据batch_num调整学习率 
       scales= 10, .1, .1 学习率变化的比例，累计相乘 
       
       [convolutional] 
       batch_normalize= 1 是否做BN 
       filters= 32 输出多少个特征图 
       size= 3 卷积核的尺寸 
       stride= 1 做卷积运算的步长 
       pad= 1 如果pad为 0,padding由 padding参数指定。如果pad为 1，padding大小为size/ 2 
       activation=leaky 激活函数： 
       logistic，loggy，relu，elu，relie，plse，hardtan，lhtan，linear，ramp，leaky， tanh，stair 
       
       [maxpool] 
       size= 2 池化层尺寸 
       stride= 2 池化步进 
       
       [convolutional] 
       batch_normalize= 1 
       filters= 64 
       size= 3 
       stride= 1 
       pad= 1 
       activation=leaky 
       
       [maxpool] 
       size= 2 
       stride= 2 
       
       ...... 
       ...... 
       
       
       ####### 
       
       [convolutional] 
       batch_normalize= 1 
       size= 3 
       stride= 1 
       pad= 1 
       filters= 1024 
       activation=leaky 
       
       [convolutional] 
       batch_normalize= 1 
       size= 3 
       stride= 1 
       pad= 1 
       filters= 1024 
       activation=leaky 
       
       [route] 这是指用当前层减去 9得到的那一层来进行特征组合 
       layers= -9 
       
       [reorg] 这里是把上面得到大分辨率的特征图以什么方式组合到当前层，成为当前层的特征。其中stride的值要根据大分辨率特征图跟当前层来确定的 
       stride= 2 
       
       [route] 
       layers= -1, -3 
       
       [convolutional] 
       batch_normalize= 1 
       size= 3 
       stride= 1 
       pad= 1 
       filters= 1024 
       activation=leaky 
       
       [convolutional] 
       size= 1 
       stride= 1 
       pad= 1 
       filters= 125 region前最后一个卷积层的filters数是特定的，计算公式为filter=num*(classes+ 5) 
       5的意义是 5个坐标，论文中的tx,ty,tw,th,to 
       activation=linear 
       
       [region] 
       anchors = 1.08, 1.19, 3.42, 4.41, 6.63, 11.38, 9.42, 5.11, 16.62, 10.52 预选框，可以手工挑选， 
       也可以通过k means 从训练样本中学出 
       bias_match= 1 
       classes= 20 网络需要识别的物体种类数 
       coords= 4 每个box的 4个坐标tx,ty,tw,th 
       num= 5 每个grid cell预测几个box,和anchors的数量一致。当想要使用更多anchors时需要调大num，且如果调大num后训练时Obj趋近 0的话可以尝试调大object_scale 
       softmax= 1 使用softmax做激活函数 
       jitter= .2 通过抖动增加噪声来抑制过拟合 
       rescore= 1 暂理解为一个开关，非 0时通过重打分来调整l.delta（预测值与真实值的差） 
       
       object_scale= 5 栅格中有物体时，bbox的confidence loss对总loss计算贡献的权重 
       noobject_scale= 1 栅格中没有物体时，bbox的confidence loss对总loss计算贡献的权重 
       class_scale= 1 类别loss对总loss计算贡献的权重 
       coord_scale= 1 bbox坐标预测loss对总loss计算贡献的权重 
       
       absolute= 1 
       thresh = .6 
       random= 0 random为 1时会启用Multi-Scale Training，随机使用不同尺寸的图片进

2、reorg层的理解:

![这里写图片描述][SouthEast]

其输出的网络结构：

layer filters size input output 
       0 conv 32 3 x 3 / 1 416 x 416 x 3 -> 416 x 416 x 32 
       1 max 2 x 2 / 2 416 x 416 x 32 -> 208 x 208 x 32 
       2 conv 64 3 x 3 / 1 208 x 208 x 32 -> 208 x 208 x 64 
       3 max 2 x 2 / 2 208 x 208 x 64 -> 104 x 104 x 64 
       4 conv 128 3 x 3 / 1 104 x 104 x 64 -> 104 x 104 x 128 
       5 conv 64 1 x 1 / 1 104 x 104 x 128 -> 104 x 104 x 64 
       6 conv 128 3 x 3 / 1 104 x 104 x 64 -> 104 x 104 x 128 
       7 max 2 x 2 / 2 104 x 104 x 128 -> 52 x 52 x 128 
       8 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 
       9 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 
       10 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 
       11 max 2 x 2 / 2 52 x 52 x 256 -> 26 x 26 x 256 
       12 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 
       13 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 
       14 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 
       15 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 
       16 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 
       17 max 2 x 2 / 2 26 x 26 x 512 -> 13 x 13 x 512 
       18 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 
       19 conv 512 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 
       20 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 
       21 conv 512 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 
       22 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 
       23 conv 1024 3 x 3 / 1 13 x 13 x1024 -> 13 x 13 x1024 
       24 conv 1024 3 x 3 / 1 13 x 13 x1024 -> 13 x 13 x1024 
       25 route 16 //指的是第16层 
       26 reorg / 2 26 x 26 x 512 -> 13 x 13 x2048 //把16层网络进行重整 
       27 route 26 24 //指的是进行融合的网络 
       28 conv 1024 3 x 3 / 1 13 x 13 x3072 -> 13 x 13 x1024 
       29 conv 125 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 125 
       30 detection

[SouthEast]: /images/20220517/9115c8a4a1ae4413a515e56e7f8c5b54.png