【目标检测】yolov3特征提取网络------Darknet53网络及pytorch实现

Darknet53

Darknet是最经典的一个深层网络，结合Resnet的特点在保证对特征进行超强表达的同时又避免了网络过深带来的梯度问题，主要有Darknet19和Darknet53，当然，如果你觉得这还不够深，在你条件允许的情况下你也可以延伸到99,199,999，…。

table1的块状结构如下图：

从上图中可以看到，输入首先经过一个1×1的卷积层Conv（1×1，stride=1）将通道数降低一半变为
In_channels/2，然后进入一个3×3的卷积层Conv（3×3，stride=1）进行特征提取，这时通道数又从In_channels恢复为In_channels。最后3×3卷积的输出与经过Shorcut传递过来的输入Input相加得到最终的Output（此时3×3卷积的输出与Input的形状（In_channels，h，w）相同，可以直接相加）。我们看到，经过Residual运算之后，输入的特征图形状保持不变。
从上图中我们可以看到，Darknet-53中总共有6个单独的卷积层和23个Residual，每个Residual包含2个卷积层（一个1×1，一个3×3），所以Darknet-53