yolov3-tiny模型分析（含自己绘制的网络模型图）

最新推荐文章于 2026-03-29 02:44:22 发布
原创 最新推荐文章于 2026-03-29 02:44:22 发布 · 3.4w 阅读 · 130 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文介绍了一个基于YoloV3-Tiny版本的行人检测项目实践，该版本在网络结构上进行了简化，未使用残差层，仅保留两个不同尺度的Yolo输出层。文章分享了作者在实验室特定数据集上的训练成果，实现了良好的检测效果和较高的推断速度。
CLIP-GmP-ViT-L-14编码模型

CLIP-GmP-ViT-L-14编码模型

图像识别
CLIP

CLIP-GmP-ViT-L-14编码模型` 是一个图文双塔编码模型，适合做图文匹配、零样本分类和跨模态检索演示。本镜像已经完成 Web 部署，打开页面即可上传图片并测试图文表征能力

最近在实验室做行人检测的项目，希望最后可以做到硬件上面去，所以挑选了yolov3的tiny版本。在实验室专有行人数据集下训练，检测效果还不错，在1080ti上推断速度达到了30fps, 这里和大家一起撸一下yolov3-tiny的网络结构：

相比于yolov3, tiny版本将网络压缩了许多，没有使用res层(残差层)，只使用了两个不同尺度的yolo输出层，但总体思路还是可以借鉴yolov3的。这里首先给大家安利一款可视化网络模型的软件：Netron，目前的Netron支持主流各种框架的模型结构可视化工作，这里给出github链接： https://github.com/lutzroeder/Netron  支持windows，Linux，mac系统 。

本人的网络结构图也是照着Netron的结果绘制出来的，但是由于本人是检测单类，所以对网络参数略有改动，并且输入图像使用的是832*832大小，使用visio绘制的模型图如下：

 

这样大家可以结合darknet里面的yolov3-tiny.cfg文件，对照着模型图进行分析~~~

如果有什么不对的地方，欢迎拍砖！

您可能感兴趣的与本文相关的镜像

CLIP-GmP-ViT-L-14编码模型

CLIP-GmP-ViT-L-14编码模型

图像识别
CLIP

CLIP-GmP-ViT-L-14编码模型` 是一个图文双塔编码模型，适合做图文匹配、零样本分类和跨模态检索演示。本镜像已经完成 Web 部署，打开页面即可上传图片并测试图文表征能力

Yolov3 和 Yolov3-tiny目标检测算法理论与实现（TensorFlow2）
__不想写代码__的博客
09-24 1万+
文章目录前言一、Yolov3 和 Yolov3-tiny二、使用步骤1.引入库2.读入数据总结 前言 上一篇文章 神奇的目标检测 已经介绍了目标检测的基础啦。目标检测呢，就是在图片中定位出目标的位置，把它“框”出来就好了。本篇文章使用Yolov3 和Yolov3-tiny，以训练VOC2007和口罩检测为例。教大家如何快速的搭建自己的目标检测平台。下面是资源链接： 内容 链接 VOC2007 数据集 链接 戴口罩数据集 链接 权重文件 链接 提取码：y32m github
yolov3-tiny工程应用和实现
alangaixiaoxiao的博客
04-15 1万+
目录前言相关推荐yolov3-tiny 原理yolov3-tiny 源码分析配置网络结构 前言 从去年十一月份开始学习yolo神经网络用于目标识别的硬件实现，到现在已经六个月了。一个硬件工程师，C/C++基础都差劲的很，对照着darknet作者的源码和网上东拼西凑的原理讲解，一点一点地摸索。刚开始进度很慢，每天都感觉学习不了几行代码，到后来慢慢的入了门，每周都有不菲的收获和重大的进展。总结一下自己...
YOLOv3-tiny网络架构详解与实战部署指南
最新发布
weixin_30642561的博客
03-29 496
本文详细解析了YOLOv3-tiny的轻量化网络架构与实战部署技巧。通过深度可分离卷积和双尺度预测设计，该模型在保持较高检测精度的同时大幅降低计算量，特别适合边缘计算场景。文章涵盖网络原理解析、工程化部署优化（如层融合、混合精度）及跨平台（OpenCV、TensorFlow Lite）实践指南，帮助开发者高效实现实时目标检测应用。
yolov3-tiny原理解析及代码分析
点赞的都能无bug通过！
08-01 5302
从去年十一月份开始学习yolo神经网络用于目标识别的硬件实现，到现在已经六个月了。一个硬件工程师，C/C++基础都差劲的很，对照着darknet作者的源码和网上东拼西凑的原理讲解，一点一点地摸索。刚开始进度很慢，每天都感觉学习不了几行代码，到后来慢慢的入了门，每周都有不菲的收获和重大的进展。总结一下自己这大半年的学习，记录一下心路历程，也为躬耕于此的有缘人提供哪怕一点点的帮助吧。
YoloV3学习笔记（六）—— YoloV3-tiny
Lcl_huolitianji的博客
03-27 1万+
YoloV3学习笔记（六）YoloV3学习笔记（六）—— YoloV3-tiny一、网络架构二、总结 YoloV3学习笔记（六）—— YoloV3-tiny yolov3-tiny中，共有两个输出层（yolo层），分别为13x13和26x26，每个网格可以预测3个bounding box，共有80个分类数。所以最后的yolo层的尺寸为：13x13x255和26x26x255。 一、网络架构 yolov3-tiny网络层结构如下： 可以看出，yolov3-tiny共有23层网络，其中包含五种不同的网络层：卷
yolov3-tiny
qq_38816432的博客
11-26 1万+
目标检测简介 针对一张图片，根据后续任务的需要，有三个主要层次。 一是分类（Classification），即是将图像结构化为某一类别的信息，用事先确定好的类别或实例ID来描述图片，这一任务是最简单、最基础的图像理解任务，也是深度学习模型最先取得突破和实现大规模应用的任务。其中ImageNet是最权威的评测集，每年的ILSVRC催生了大量的优秀深度网络结构，为其他任务提供了基础。在应用领域，人脸、场景的识别等，都可以归为分类任务。 ...
初析yolov3 tiny 网络模型结构
ltshan139的专栏
09-29 1万+
前言 想上网了解下yolov3 tiny的网络结构，竟然没看到一篇文章详细讲解它的（ 可能有，没看到而已。。。）。 Yolo3 tiny网络结构 想知道yolo3 tiny网络模型层次架构，其实很简单。使用下面的命令就可以把它打印出来。 ./darknet detector test cfg/coco.data cfg/yolov3-tiny.cfg cfg/yolov3-tiny.we...
YOLO家族中谁才是轻量级网络模型的王者，让我们实验探索分析【YOLOv3—YOLOv10】系列，挖掘最强的轻量级网络模型，以课堂行为检测场景数据为实验基准
Together_CZ的博客
06-18 2791
YOLO家族中谁才是轻量级网络模型的王者，让我们实验探索分析【YOLOv3—YOLOv10】系列，挖掘最强的轻量级网络模型，以课堂行为检测场景数据为实验基准
1.Pytorch框架下使用yolov3-tiny网络模型 训练自己的数据集
qq_42607586的博客
05-10 3278
在Pytorch框架下使用yolov3-tiny网络模型 ，训练自己的数据集 1.本文参考链接如下： https://blog.csdn.net/gbz3300255/article/details/106094880 https://blog.csdn.net/sinat_27634939/article/details/89884011 2.项目地址 本文所用到的项目代码： https://github.com/ultralytics/yolov3/releases 点击https://github.
OpenCV4学习笔记（66）——dnn模块之基于YOLOv3（Tiny）模型的（实时）对象检测
邱小兵的博客
05-15 2992
今天要整理的是OpenCV中dnn模块对于YOLOv3模型的加载调用，以及在此基础上实现图像中的对象检测。OpenCV4.0版本以上支持YOLOv3版本模型的对象检测网络，该网络模型支持80种类别对象的检测，而且现在YOLO发布了v4版本，但是具体的我还没有去尝试过，之前上YOLO的网站看好像还没更新v4版本。YOLOv3版本同时还发布了支持移动端的轻量型网络模型YOLOv3-tiny版本，其速度可以在CPU端实时运行，下次笔记再来整理以YOLOv3-tiny模型为基础实现的实时对象检测功能。 OpenCV
yolov3-tiny训练自己的数据集(重在步骤，不究原理)
FriendshipTang的博客
02-06 3987
yolov3-tiny训练自己的数据集环境条件源码下载准备数据三级目录 环境条件 Python 3.6.0 Opencv 3.4.0 Tensorflow 1.14.0 或 Tensorflow-gpu 1.14.0 GTX1050 2G 源码下载 准备数据 三级目录
yolov3-tiny 网络结构
juluwangriyue的博客
11-07 7657
写一个脚本，test_yolov3-tiny.bat，内容如下： darknet detector test cfg/coco.data cfg/yolov3-tiny.cfg cfg/yolov3-tiny.weights data/dog.jpg -thresh 0.6 pause 双击执行，输出： darknet detector test cfg/coco.data cfg/yolov3-tiny.cfg cfg/yolov3-tiny.weights data/dog.jpg -thr
YOLOv3网络结构细致解析
08-15 4401
YOLOv3网络结构细致解析 先贴一张结构图镇楼： layer filters size input output 0 conv 32 3 x 3 / 1 416 x 416 x 3 -> 416 x 416 x 32 0.299 BFLOPs 1 conv 64 3 x 3 / 2 416 x 416 x 32 -> 208 x 208 x 64 1.595 BFLOPs 2 c...
YOLO v3详解
kk123k的博客
01-29 2万+
  YOLO v3是YOLO和YOLO v2之后的YOLO系列的又一篇目标检测算法，是基于YOLO v2的一个改进，速度更快，精度更高！   1、YOLO v3的网络结构图 其中： DBL：如图1左下角所示，也就是代码中的Darknetconv2d_BN_Leaky，是yolo_v3的基本组件。就是卷积+BN+Leaky relu。对于v3来说，BN和leaky relu已经是和卷积...
YOLO v3网络结构分析
热门推荐
霹雳吧啦Wz
07-26 17万+
相信阅读了YOLO v3论文的小伙伴们会发现为什么这次的论文篇幅这么少？除去参考文献就四面？Excuse me？我是下了篇假文献吧。读完后感觉内容确实不多，而且总感觉写的不够细致，很多地方都比较模糊，可能是作者想让大家去观摩他的代码吧。 本人是小白，看后表示有点蒙。于是在Github上搜了大牛们基于Tensorflow搭建的YOLOv3模型进行分析（本人只接触过TF，所以就不去看caffe的源码...
【目标检测系列】yolov3-tiny的cfg文件与网络结构对应关系
gbz3300255的博客
05-21 5225
1.yolov3-tiny的cfg文件如下： [net] # Testing batch=1 subdivisions=1 # Training # batch=64 # subdivisions=2 width=416 height=416 channels=3 momentum=0.9 decay=0.0005 angle=0 saturation = 1.5 exposure = 1.5 hue=.1 learning_rate=0.001 burn_in=1000 max_batches = 5
《深度学习》YOLO V3 网络构架解析
wx_AHao1004Y的博客
10-23 3749
相比于YOLOv1和v2，YOLOv3最大的改进就是网络结构，使其更适合小目标检测，特征做的更细致，融入多持续特征图信息来预测不同规格物体，先验框更丰富了，3种scale，每种3个规格，一共9种softmax改进，预测多标签任务。和YOLOv2一样都是使用的darknet网络结构，v1用的GoogLeNet网络
YOLO V3详解(一)：网络结构介绍
走在深度学习前沿的小宋
04-13 4285
Yolo v3网络结构超详细讲解！！！
目标检测3: yolov3结构原理，boundingbox边框回归
u010397980的博客
12-17 1万+
注：a.部分图像是从其他博客偷的!!!；b.个人理解，错误难免，推荐看论文（yolov3:https://arxiv.org/abs/1804.02767；yolov2:https://arxiv.org/abs/1612.08242；yolov3:https://arxiv.org/abs/1804.02767） 1. 结构图 yolov3-tiny结构（darknet的）： yolo...
YOLOv3-Tiny深度学习目标检测实战项目
weixin_33256096的博客
06-13 1126
YOLOv3-Tiny 是YOLO（You Only Look Once）系列中的一个轻量级目标检测模型，它在保持实时性的同时，适度地牺牲了一定的准确性，以适应嵌入式设备和移动平台。它通过简化标准YOLOv3的网络结构，降低了计算复杂度和模型大小，从而实现了更快的推理速度。网络剪枝是一种模型压缩技术，它通过去除神经网络中冗余或不重要的部分来简化网络结构，以此来减小模型的大小、提高运算效率，同时尽可能地保持模型的性能。
评论 198
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值