Retour à l'histoire du développement du modèle profond Réseau d'apprentissage du catalogue classique
Précédent: articles de fond - Histoire classique du modèle Réseau d' apprentissage profond (huit) structure complexe et dispose d' DenseNet
Dans cette section, la structure et les caractéristiques Darknet élaborer et la précision des modèles et
II. Réseau classique (réseau classique)
9. Darknet
. (1) par rapport à tensorflow il, Darknet est pas si exagéré, mais il est devenu un des avantages darknet:
. ① Darknet entièrement par le langage C (cadre C pour CUDA réseau neural et écrit), et il n'y a pas de dépendance, OpenCV bien sûr être utilisé, mais au moins avec son image est affichée pour une meilleure visualisation;
②. Cpu support Darknet (pas gpu il n'a pas d'importance, bien sûr, avec cuda / cudnn utilisation gpu cours plus vite et mieux).
③. La vitesse d'installation plus rapide Darknet, facile à installer.
④. Darknet est une architecture légère, pas comme tensorflow est si puissant API, il est plus flexible et adapté à l'étude du sous-jacentes peut être plus pratique pour améliorer et d'étendre à partir du bas.
⑤. Il est la réalisation et la mise en œuvre des lieux Darknet caffe similaires, familier avec le Darknet, aide pour commencer caffe.
. (2) Architecture Darknet:
①. Cfg est l'architecture de certains modèles, chaque fichier CFG similaire aux fichiers caffe prototxt qui définissent la structure de l'ensemble du modèle dans le fichier.
②. Étiquette du dossier de données placé certains documents, tels que le nom de la catégorie COCO 9k, etc., et quand (le dossier principal pour les tableaux de présentation ou d'une formation directe et d'autres ensembles de données correspondant COCO utiles pour un exemple de tableau, si vous utilisez votre propre les données pour la formation, ce qui dossier n'est pas nécessaire).
③. Src dossier fichier de définition de trame de fond plein définit toutes les couches de toutes les autres fonctions de base dans le dossier, le dossier doit être entendu que la source de la trame.
④. Exemples dossier sont quelques-unes des plus de fonctions de haut niveau, telles que la fonction de vérification, d'identification et d'autres fonctions, ces fonctions sont appelées directement en fonction du sous-jacent.
⑤. Inclure fichier, son nom l'indique, un endroit pour stocker le fichier d'en-tête
⑥. Python dossier en utilisant python pour appeler le modèle des méthodes, vous devez également utiliser la bibliothèque dynamique libdarknet.so Darknet
⑦. Scripts dossier scripts, tels que le téléchargement de jeux de données COCO, ensembles de données script de conversion de format voc pour former le format requis et ainsi de suite.
⑧. En plus du fichier de licence, et le reste est le Makefile.
. (3) Description du réseau darknet19:
. (4) Description du réseau darknet53:
. (5) Description du modèle de réseau darknet53 YOLO-V3:
10. La précision de chaque modèle et ![\ Large (GPU: \; TitanX, \; CPU: \; i7-4790k (4 \; GHz))](https://private.codecogs.com/gif.latex?%5Clarge%20%28GPU%3A%20%5C%3B%20TitanX%2C%20%5C%3B%20CPU%3A%20%5C%3B%20i7-4790k%284%20%5C%3B%20GHz%29%29)
Retour au répertoire principal
Retour à l'histoire du développement du modèle profond Réseau d'apprentissage du catalogue classique
Précédent: articles de fond - Histoire classique du modèle Réseau d' apprentissage profond (huit) structure complexe et dispose d' DenseNet