深度篇—— Deep Learning 经典网络 model 发展史(九) 细说 DarkNet 结构和特点和各模型与精度

二. 经典网络(Classic Network)

(1). 相比于 tensorflow 来说，darknet 并没有那么夸张，但这也成了 darknet 的优势：

①. darknet 完全由 C 语言实现(用 C 和 cuda 编写的开源神经网络框架)，并没有任何依赖项，当然可以使用 opencv，但至少用其来显示图像，为了更好的可视化；

②. darknet 支持 cpu (所以没有 gpu 也不要紧，当然，与 cuda/cudnn 使用 gpu 当然更快更好了)。

③. darknet 安装速度快，易于安装。

④. darknet 为轻量型架构，没有像 tensorflow 那般强大的 API，所以比较灵活，适合用于研究底层，可以更方便的从底层对其进行改进和扩展。

⑤. darknet 的实现与 caffe 的实现存在相似的地方，熟悉了 darknet，对上手 caffe 有帮助。

(2). darknet 的架构：

①. cfg 文件夹内是一些模型的架构，每个 cfg 文件类似于 caffe 的 prototxt 文件，通过该文件定义整个模型的架构。

②. data 文件夹内放置了一些 label 文件，如 COCO 9k 的类别名等，和一些样例图(该文件夹主要为演示图，或者是直接训练 COCO 等对应数据集时有用，如果要用自己的数据进行训练，该文件夹内的东西都不需要)。

③. src 文件夹内全是最底层的框架定义文件，所有层的定义等最基本的函数全部在该文件夹内，可以理解为该文件夹就是框架的源码。

④. examples 文件夹是更为高层的一些函数，如检查函数，识别函数等，这些函数直接调用了底层的函数。

⑤. include 文件，顾名思义，存放头文件的地方

⑥. python 文件夹里是使用 python 对模型的调用方法，还需要用到 darknet 的动态库 libdarknet.so

⑦. scripts 文件夹是一些脚本，如下载 COCO 数据集，将 voc 格式的数据集转换为训练所需格式的脚本等。

⑧. 除了 license 文件，剩下的就是 Makefile 文件。

(3). darknet19 网络描述: $\large \large (input: [-1, 227, 227, 3] \; / \;[-1, 256, 256, 3])$

(4). darknet53 网络描述: $\large (input: [-1, 256, 256, 3])$

(5). YOLO-V3 darknet53 model 网络描述: $\large (input: [-1, 416, 416, 3])$

发布了63 篇原创文章 · 获赞 16 · 访问量 5992

私信关注