Darknet 53

Darknet-53 Structure. ❘ Download Scientific Diagram

Darknet 53

• 객체 탐지 모델의 backbone network이다.
• 주요 특징
  • 1. 깊이와 효율성
    • 53개의 convolution layer로 구성되어 있다.
  • 2. residual connections 잔차 연결
    • 기울기 소실과 정보 손실을 해결 및 줄여줌
    • 각 층의 입력값과 출력값이 덧셈 연산으로 연결된다.
      이를 통해서 입력값이 network를 통과하며 변형된 출력값이 더해지니, 네트워크는 변형된 정보와 원본 정보를 동시에 보존함.
    • 즉, layer가 입력과 출력의 차이만 학습함.
  • 3. 다중 스케일 특징 추출가능
• 기본적 구성 요소
  • 1. convolution layer 
    • 주로 3x3의 커널을 사용하며, 일부는 1x1로 채널수를 조절
  • 2. residual block
  • 3. down sampling
    • stride 2의 convolution으로 feature map의 크기를 절반으로 줄인다.
  • 4. batch normalization
  • 5. leaky relu
• 장점.
  • 높은 처리 속도와 정확도

 

 

 

 

# darknet53의 잔차 블록 생성 함수
# input 입력텐서
# filters 기준 필터 수
# training 배치 정규화의 학습/추론 모드 결정 플래그
# return 잔차 블록 처리 결과 텐서

def darknet53_residual_block( inputs , filters , training , data_format , strides=1 ):
    # 1. 잔차 연결을 위해서 원본 입력을 보존
    shortcut = inputs
    # 2. 1번째 conv layer : 1x1커널로 채널수를 조정
    inputs = conv2d_fixed_padding( inputs , filters=filters , kernel_size=1 , strides=strides , data_format=data_format )
    inputs = batch_norm( inputs , training=training , data_format=data_format )
    inputs = tf.nn.leaky_relu( inputs , alpha=0.1 )
    # 3. 2번째 conv layer : 3x3 커널로 특징 추출
    inputs = conv2d_fixed_padding( inputs , filters=2*filters , kernel_size=3 , strides=strides , data_format=data_format )
    inputs = batch_norm( inputs , training=training , data_format=data_format )
    inputs = tf.nn.leaky_relu( inputs , alpha=0.1 )
    # 4. 잔차 연결
    inputs += shortcut
    return inputs

# darknet 53 특징 추출기 생성 함수
# route1은 중간층 특징 맵 52 x 52 x 256
# route2는 중간층 특징 맵 26 x 26 x 512
# inputs는 최종 출력층 특징 맵 13 x 14 x 1024
def darknet53( inputs , training , data_format ):
    # 1. 초기 conv layer. 3x3커널 , 32필터 , 초기 특징을 추출 
    inputs = conv2d_fixed_padding( inputs , filters=32 , kernel_size=3 , data_format=data_format )
    inputs = batch_norm( inputs , training=training , data_format=data_format )
    inputs = tf.nn.leaky_relu( inputs , alpha=0.1 )
    # 2. 첫번째 다운샘플링 레이어. 필터수는 64로 증가시킴.
    inputs = conv2d_fixed_padding( inputs, filters=64 , kernel_size=3 , strides=2 , data_format=data_format )
    inputs = batch_norm( inputs , training=training , data_format=data_format )
    inputs = tf.nn.leaky_relu( inputs , alpha=0.1 )
    # 3. 첫번째 잔차 블록 
    inputs = darknet53_residual_block( inputs , filters=32 , training=training , data_format=data_format )  
    # 4. 2번째 다운샘플링
    inputs = conv2d_fixed_padding( inputs , filters=128 , kernel_size=3 , strides=2 , data_format=data_format )
    inputs = batch_norm( inputs , training=training , data_format=data_format )
    inputs = tf.nn.leaky_relu( inputs , alpha=0.1 )
    # 5. 2번째 잔차 블록이며 2회 반복
    for _ in range(2):
        inputs = darknet53_residual_block( inputs , filters=64 , training=training , data_format=data_format )
    # 6. 세번째 다운샘플링
    inputs = conv2d_fixed_padding(inputs, filters=256, kernel_size=3, strides=2, data_format=data_format)
    inputs = batch_norm(inputs, training=training, data_format=data_format)
    inputs = tf.nn.leaky_relu(inputs, alpha=0.1 )
    # 7. 3번째 잔차블록이며 8회 반복
    for _ in range(8):
        inputs = darknet53_residual_block(inputs, filters=128 , training=training , data_format=data_format)
    route1 = inputs  # route1 저장: 52x52x256 특징 맵
    # 8. 4번째 다운 샘플링 
    inputs = conv2d_fixed_padding(inputs, filters=512 , kernel_size=3 , strides=2 , data_format=data_format )
    inputs = batch_norm(inputs, training=training, data_format=data_format)
    inputs = tf.nn.leaky_relu(inputs, alpha=0.1)
    # 9. 4번째 잔차 블록이며 8회 반복
    for _ in range(8):
        inputs = darknet53_residual_block(inputs, filters=256 , training=training , data_format=data_format)
    route2 = inputs  # route2 저장: 26x26x512 특징 맵
    # 10. 다섯 번째 다운샘플링 (26x26 → 13x13)
    inputs = conv2d_fixed_padding(inputs, filters=1024, kernel_size=3 , strides=2 , data_format=data_format )
    inputs = batch_norm(inputs, training=training, data_format=data_format)
    inputs = tf.nn.leaky_relu(inputs, alpha=0.1)    
    # 11. 다섯 번째 잔차 블록 4회 반복 (필터 수 512)
    # 최종 feature 맵: 13x13x1024
    for _ in range(4):
        inputs = darknet53_residual_block(inputs , filters=512 , training=training , data_format=data_format)
    return route1, route2, inputs