yolo-v3 的cfg参数介绍

常见的参数就不做介绍，重点介绍没见过的参数

batch=64
subdivisions=16           # batch/subdivisions 作为一次性送入训练器的样本数量
                          # 将batch分割为subdivisions个子batch 

momentum=0.9              #梯度下降的动量参数
decay=0.0005              #权重衰减正则项   防止过拟合

angle=0                   #通过旋转角度   数据增广
saturation = 1.5          #通过调整饱和度 数据增广
exposure = 1.5            #通过调整曝光量 数据增广
hue=.1                    #通过调整色调   数据增广


learning_rate=0.001
burn_in=1000              #迭代次数小于burn_in时，其学习率的更新有一种方式 
                          #大于burn_in时，采用policy的更新方式 
max_batches = 500200
policy=steps              #可选方式：constant, steps, exp, poly, step,
                          #sig, RANDOM，constant

activation=leaky           #激活函数 linear leaky relu

[shortcut]                 #resnet的残差结构
from=-3                    #往前数第三个层相加
                           #把两个c h w都相同的两个层相加成一个相同c h w的层


[convolutional]
size=1
stride=1
pad=1
filters=255               #yolo层之前的filters的计算公式                         
activation=linear         #   255 = 3 *（5+80）每个格子预测三个框,每个框五个值以及类别


[yolo]
mask = 6,7,8               #当前层使用的anchor编号（决定用哪些anchor）
                           #anchor:列出所有会用到的anchor的w,h          
anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
classes=80
num=9                      #anchors总数
jitter=.3                  #通过抖动增加噪声来抑制过拟合
ignore_thresh = .7         #决定是否需要计算IOU误差的参数
truth_thresh = 1
random=1                   #设置为0，表示关闭多尺度训练

[route]                  
layers = -4               

[route]

layers = -1  61

route层它的参数 layers 有一个或两个值。当只有一个值时，它输出这一层通过该值索引的特征图。在我们的实验中设置为了-4，所以层级将输出路由层之前第四个层的特征图。

当参数有两个值时，它将返回由这两个值索引的拼接特征图。在我们的实验中为-1 和 61，因此该层级将输出从前一层级（-1）到第 61 层的特征图，并将它们按深度拼接。

  例如  输入层1：  26*26*256   输入层2：26*26*128  则route layer 输出为：26*26*（256+128）

 

 

 

 

yolo-v3部分网络结构图