fpu縮寫(xiě)是什么意思

FPU英文含義

1、FPU的英文全稱(chēng)：Fukui Prefectural University | 中文意思：───福井縣立大學(xué)；福井県立大學(xué)；日本福井縣立大學(xué)

2、FPU的英文全稱(chēng)：Family Preservation Unit | 中文意思：───家庭保護單位

3、FPU的英文全稱(chēng)：Family Protection Unit | 中文意思：───家庭保護股

4、FPU的英文全稱(chēng)：From Parts Unknown | 中文意思：───來(lái)自未知部件

5、FPU的英文全稱(chēng)：Focal Plane Unit | 中文意思：───焦平面單元

6、FPU的英文全稱(chēng)：Fraud Prevention Unit | 中文意思：───預防欺詐股

7、FPU的英文全稱(chēng)：first passage uptake | 中文意思：───第一段吸收

8、FPU的英文全稱(chēng)：Field Pack Up (Boh Environmental, LLC) | 中文意思：───現場(chǎng)包裝（Boh Environmental，LLC）

9、FPU的英文全稱(chēng)：Feed Preparation Unit | 中文意思：───進(jìn)料制備裝置

10、FPU的英文全稱(chēng)：first pass uptake | 中文意思：───首先通過(guò)吸收

11、FPU的英文全稱(chēng)：Florida Pub Utils | 中文意思：───佛羅里達酒吧實(shí)用程序類(lèi)

12、FPU的英文全稱(chēng)：Floating Production Units | 中文意思：───浮式生產(chǎn)單位

13、FPU的英文全稱(chēng)：For Pending Unmasked | 中文意思：───待揭開(kāi)

14、FPU的英文全稱(chēng)：Fuel Tank, Pylon-Mounted Unit | 中文意思：───燃料箱，塔式裝置

15、FPU的英文全稱(chēng)：Fully Paid Units | 中文意思：───繳單位

16、FPU的英文全稱(chēng)：Financial Products Unit | 中文意思：───金融產(chǎn)品部

17、FPU的英文全稱(chēng)：Federation of Progressive Unions | 中文意思：───進(jìn)步工會(huì )聯(lián)合會(huì )

18、FPU的英文全稱(chēng)：Family Protection Units | 中文意思：───家庭保護單位

19、FPU的英文全稱(chēng)：Fermi Pasta and Ulam | 中文意思：───費米意大利面和Ulam

20、FPU的英文全稱(chēng)：Frame Processing Unit | 中文意思：───幀處理單元

21、FPU的英文全稱(chēng)：Functions for Programmers Using | 中文意思：───程序員使用功能

22、FPU的英文全稱(chēng)：Fixed Point Unit | 中文意思：───整數單元；固定點(diǎn)單元

23、FPU的英文全稱(chēng)：FL Public Utilities | 中文意思：───佛羅里達州公用事業(yè)

24、FPU的英文全稱(chēng)：Field Processing Unit | 中文意思：───現場(chǎng)處理單元

25、FPU的英文全稱(chēng)：Forwarding Participating Unit | 中文意思：───轉發(fā)參會(huì )單位

26、FPU的英文全稱(chēng)：First Production Unit | 中文意思：───第一生產(chǎn)單元

27、FPU的英文全稱(chēng)：Fishermen's Protective Union | 中文意思：───漁民的保護聯(lián)盟

28、FPU的英文全稱(chēng)：Fuel Pressure Up | 中文意思：───燃油壓力提升

29、FPU的英文全稱(chēng)：Float Point Unit | 中文意思：───浮點(diǎn)運算單元

30、FPU的英文全稱(chēng)：Fire Planning Unit | 中文意思：───消防規劃股

31、FPU的英文全稱(chēng)：florida pub util | 中文意思：───util佛羅里達酒吧

32、FPU的英文全稱(chēng)：Federal Procurement Update | 中文意思：───聯(lián)邦采購更新

33、FPU的英文全稱(chēng)：Forwarding Partitipating Unit | 中文意思：───轉發(fā)Partitipating股

34、FPU的英文全稱(chēng)：Faculty of Pharmacy University | 中文意思：───藥劑學(xué)院大學(xué)

35、FPU的英文全稱(chēng)：Food Processing Unit | 中文意思：───測量食物處理間；於測量食物處理間

36、FPU的英文全稱(chēng)：Formed Police Unit | 中文意思：───建制警察部隊

37、FPU的英文全稱(chēng)：Florida Public Utilities Company | 中文意思：───佛羅里達公共事業(yè)公司

38、FPU的英文全稱(chēng)：first pass urine | 中文意思：───第一次排尿

39、FPU的英文全稱(chēng)：Filter-Paper Unit | 中文意思：───濾紙單元

40、FPU的英文全稱(chēng)：Fabric Production Unit | 中文意思：───織物生產(chǎn)單元

41、FPU的英文全稱(chēng)：5-FU + CDDP + UFT | 中文意思：───5-氟尿嘧啶CDDPUFT

42、FPU的英文全稱(chēng)：Fresno Pacific University | 中文意思：───弗雷斯諾太平洋大學(xué)

43、FPU的英文全稱(chēng)：fight promoter university | 中文意思：───啟動(dòng)子斗爭大學(xué)

44、FPU的英文全稱(chēng)：Finacial Peace University | 中文意思：───財務(wù)和平大學(xué)

45、FPU的英文全稱(chēng)：Florida Public Utilities | 中文意思：───佛羅里達公用事業(yè)

46、FPU的英文全稱(chēng)：Fayetteville Public Utilities | 中文意思：───費耶特維爾公用事業(yè)

47、FPU的英文全稱(chēng)：Financial Peace University | 中文意思：───金融和平大學(xué)

48、FPU的英文全稱(chēng)：Facility Plan Update | 中文意思：───設施計劃更新

49、FPU的英文全稱(chēng)：Floating Processor Unit | 中文意思：───浮處理單元

50、FPU的英文全稱(chēng)：Finance and Planning Unit (UK) | 中文意思：───財務(wù)和規劃股（英國）

51、FPU的英文全稱(chēng)：Flyvebranchens Personale Union | 中文意思：───FlyvebranchensPersonale聯(lián)盟

52、FPU的英文全稱(chēng)：Field Pickup Unit | 中文意思：───現場(chǎng)拾取裝置

53、FPU的英文全稱(chēng)：Forced to Purchase | 中文意思：───被迫購買(mǎi)

54、FPU的英文全稱(chēng)：Ft Pierce Utilities | 中文意思：───皮爾斯實(shí)用程序

55、FPU的英文全稱(chēng)：Floating Production Unit (offshore oil & gas) | 中文意思：───漂浮的生產(chǎn)單位(離岸石油和天然氣)

56、FPU的英文全稱(chēng)：family planning unit | 中文意思：───計劃生育單位

57、FPU的英文全稱(chēng)：Fluid Pump Unit | 中文意思：───流體泵裝置

58、FPU的英文全稱(chēng)：File Preparation Unit | 中文意思：───文件編制單位

59、FPU的英文全稱(chēng)：Fiber Processing Unit | 中文意思：───纖維處理單元

60、FPU的英文全稱(chēng)：Follow on Production | 中文意思：───后續生產(chǎn)

61、FPU的英文全稱(chēng)：Found Paws Up | 中文意思：───找到爪子

62、FPU的英文全稱(chēng)：Freight Passenger Unit | 中文意思：───貨運客運部門(mén)

63、FPU的英文全稱(chēng)：Floating Power Unit | 中文意思：───浮動(dòng)力裝置

64、FPU的英文全稱(chēng)：Film Production Unit | 中文意思：───**制作單位

65、FPU的英文全稱(chēng)：Floating Point Unit | 中文意思：───浮點(diǎn)單位

66、FPU的英文全稱(chēng)：Feeder Protection Unit | 中文意思：───饋線(xiàn)保護裝置

67、FPU的英文全稱(chēng)：family practice unit | 中文意思：───家庭醫療單位

68、FPU的英文全稱(chēng)：Family Protection Unit | 中文意思：───家庭保護單位

69、FPU的英文全稱(chēng)：Food Products Unit | 中文意思：───食品股

v3架構比v2提升了多少？

現在都V5, yolox了

v3架構比v2提升了多少？

每當聽(tīng)到有人問(wèn)“如何入門(mén)計算機視覺(jué)”這個(gè)問(wèn)題時(shí)，其實(shí)我內心是拒絕的，為什么呢？因為我們說(shuō)的計算機視覺(jué)的發(fā)展史可謂很長(cháng)了，它的分支很多，而且理論那是錯綜復雜交相輝映，就好像數學(xué)一樣，如何學(xué)習數學(xué)？這問(wèn)題似乎有點(diǎn)籠統、有點(diǎn)寬泛。所以我都會(huì )具體問(wèn)問(wèn)你想入門(mén)計算機視覺(jué)的哪個(gè)話(huà)題，只有順著(zhù)一個(gè)話(huà)題理論聯(lián)合實(shí)際，才有可能擴展到幾個(gè)話(huà)題。

yolo類(lèi)算法，從開(kāi)始到現在已經(jīng)有了3代，我們稱(chēng)之為v1、v2、v3，一路走來(lái)，讓人能感覺(jué)到的是算法的性能在不斷的改進(jìn)，以至于現在成為了開(kāi)源通用目標檢測算法的領(lǐng)頭羊（ps：雖然本人一直都很欣賞SSD，但是不得不說(shuō)V3版本已經(jīng)達到目前的顛覆）。一直以來(lái)，有一個(gè)問(wèn)題困擾許久，那就是如何檢測兩個(gè)距離很近的同類(lèi)的物體，當然又或者是距離很近的不同類(lèi)的物體？絕大部分算法都會(huì )對傳入的data做resize到一個(gè)更小的resolution，它們對于這種情況都會(huì )給出一個(gè)目標框，因為在它們的特征提取或者回歸過(guò)程看來(lái)，這就是一個(gè)物體（可想本來(lái)就很近，一放縮之間的近距離越發(fā)明顯了），而事實(shí)上這是兩個(gè)同（或不同）類(lèi)型的物體靠的很近，這個(gè)難題是目標檢測和跟蹤領(lǐng)域的一個(gè)挑戰。就好像對小目標的檢測，一直以來(lái)也被看做是算法的一種評估。但是啊，v3版本卻做到了，它對這種距離很近的物體或者小物體有很好的魯棒性，雖然不能保證百分百，但是這個(gè)難題得到了很大程度的解決，激發(fā)我對yolo類(lèi)算法的研究。這也是為什么寫(xiě)這篇文章的目的，在于見(jiàn)證一下這個(gè)算法的神奇。其實(shí)，百分百的檢測，在我看來(lái)事實(shí)上是不存在的，隨著(zhù)時(shí)間的推移，環(huán)境的變化，任何妄言百分百準確的算法都是扯，只能是相互調整吧。前幾天uber撞人事件其實(shí)我最關(guān)注的應該是哪個(gè)環(huán)節存在的問(wèn)題，還需要改進(jìn)，撞人是不可避免的，無(wú)人車(chē)的存在不是讓事故不發(fā)生，而是讓社會(huì )進(jìn)步，科技發(fā)展，逐步降低事故發(fā)生率的同時(shí)改善人們的生活質(zhì)量。

yolo的v1和v2都不如SSD算法，原諒這么直白，原因是v1版本的448和v2版本的416都不如SSD的300，當然以上結論都是實(shí)驗測的，v3版本的416應該比SSD512好，可見(jiàn)其性能。

對官方yolo做了實(shí)驗，實(shí)驗中，采用同一個(gè)視頻、同一張顯卡，在閾值為0.3的前提下，對比了v3和v2的測試效果之后，有了下面兩個(gè)疑問(wèn)：

1.為什么v3和v2版本的測試性能提高很大，但速度卻沒(méi)有降低？

2.為什么v3性能上能有這么大的改進(jìn)？或者說(shuō)為什么v3在沒(méi)有提高輸入數據分辨率的前提下，對小目標檢測變得這么好？

要回答上述兩個(gè)問(wèn)題，必須要看看作者發(fā)布的v3論文了，將v3和v2不一樣的地方總結一下：

loss不同：作者v3替換了v2的softmax loss 變成logistic loss，而且每個(gè)ground truth只匹配一個(gè)先驗框。anchor bbox prior不同：v2作者用了5個(gè)anchor，一個(gè)折衷的選擇，所以v3用了9個(gè)anchor，提高了IOU。detection的策略不同：v2只有一個(gè)detection，v3一下變成了3個(gè)，分別是一個(gè)下采樣的，feature map為13*13，還有2個(gè)上采樣的eltwise sum，feature map為26*26，52*52，也就是說(shuō)v3的416版本已經(jīng)用到了52的feature map，而v2把多尺度考慮到訓練的data采樣上，最后也只是用到了13的feature map，這應該是對小目標影響最大的地方。backbone不同：這和上一點(diǎn)是有關(guān)系的，v2的darknet-19變成了v3的darknet-53，為啥呢？就是需要上采樣啊，卷積層的數量自然就多了，另外作者還是用了一連串的3*3、1*1卷積，3*3的卷積增加channel，而1*1的卷積在于壓縮3*3卷積后的特征表示，這波操作很具有實(shí)用性，一增一減，效果棒棒。

為什么有這么大的提高？我指的是v2和v3比，同樣是416的feature map，我感覺(jué)是v2作者當時(shí)也是做了很多嘗試和借鑒，實(shí)現了匹敵SSD的效果，但是他因為被借鑒的內容所困擾，導致性能的停留，因此v3再借鑒，應該是參考了DSSD和FPN，這應該是之后的潮流了，做了一下結果性能提高很大，可能作者本人都沒(méi)想到。但是作者目前沒(méi)有寫(xiě)篇論文，認為沒(méi)有創(chuàng )造性實(shí)質(zhì)性的改變，寫(xiě)了一個(gè)report，科研的精神值得肯定！如果對比v2和v3你會(huì )發(fā)現反差確實(shí)很大，所以上面的問(wèn)題才不奇怪。

又為什么速度沒(méi)有下降？電腦上同環(huán)境測都是15幀左右。先看一下打印的日志：

v2的日志信息：

Demo 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 max 2 x 2 / 2 416 x 416 x 32 -> 208 x 208 x 32 2 conv 64 3 x 3 / 1 208 x 208 x 32 -> 208 x 208 x 64 1.595 BFLOPs 3 max 2 x 2 / 2 208 x 208 x 64 -> 104 x 104 x 64 4 conv 128 3 x 3 / 1 104 x 104 x 64 -> 104 x 104 x 128 1.595 BFLOPs 5 conv 64 1 x 1 / 1 104 x 104 x 128 -> 104 x 104 x 64 0.177 BFLOPs 6 conv 128 3 x 3 / 1 104 x 104 x 64 -> 104 x 104 x 128 1.595 BFLOPs 7 max 2 x 2 / 2 104 x 104 x 128 -> 52 x 52 x 128 8 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 9 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 10 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 11 max 2 x 2 / 2 52 x 52 x 256 -> 26 x 26 x 256 12 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 13 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 14 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 15 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 16 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 17 max 2 x 2 / 2 26 x 26 x 512 -> 13 x 13 x 512 18 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs 19 conv 512 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BFLOPs 20 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs 21 conv 512 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BFLOPs 22 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs 23 conv 1024 3 x 3 / 1 13 x 13 x1024 -> 13 x 13 x1024 3.190 BFLOPs 24 conv 1024 3 x 3 / 1 13 x 13 x1024 -> 13 x 13 x1024 3.190 BFLOPs 25 route 16 26 conv 64 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 64 0.044 BFLOPs 27 reorg / 2 26 x 26 x 64 -> 13 x 13 x 256 28 route 27 24 29 conv 1024 3 x 3 / 1 13 x 13 x1280 -> 13 x 13 x1024 3.987 BFLOPs 30 conv 125 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 125 0.043 BFLOPs 31 detection mask_scale: Using default '1.000000'Loading weights from yolo-voc.weights...Done!

v3的日志信息：

Demo 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 conv 32 1 x 1 / 1 208 x 208 x 64 -> 208 x 208 x 32 0.177 BFLOPs 3 conv 64 3 x 3 / 1 208 x 208 x 32 -> 208 x 208 x 64 1.595 BFLOPs 4 res 1 208 x 208 x 64 -> 208 x 208 x 64 5 conv 128 3 x 3 / 2 208 x 208 x 64 -> 104 x 104 x 128 1.595 BFLOPs 6 conv 64 1 x 1 / 1 104 x 104 x 128 -> 104 x 104 x 64 0.177 BFLOPs 7 conv 128 3 x 3 / 1 104 x 104 x 64 -> 104 x 104 x 128 1.595 BFLOPs 8 res 5 104 x 104 x 128 -> 104 x 104 x 128 9 conv 64 1 x 1 / 1 104 x 104 x 128 -> 104 x 104 x 64 0.177 BFLOPs 10 conv 128 3 x 3 / 1 104 x 104 x 64 -> 104 x 104 x 128 1.595 BFLOPs 11 res 8 104 x 104 x 128 -> 104 x 104 x 128 12 conv 256 3 x 3 / 2 104 x 104 x 128 -> 52 x 52 x 256 1.595 BFLOPs 13 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 14 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 15 res 12 52 x 52 x 256 -> 52 x 52 x 256 16 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 17 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 18 res 15 52 x 52 x 256 -> 52 x 52 x 256 19 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 20 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 21 res 18 52 x 52 x 256 -> 52 x 52 x 256 22 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 23 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 24 res 21 52 x 52 x 256 -> 52 x 52 x 256 25 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 26 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 27 res 24 52 x 52 x 256 -> 52 x 52 x 256 28 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 29 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 30 res 27 52 x 52 x 256 -> 52 x 52 x 256 31 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 32 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 33 res 30 52 x 52 x 256 -> 52 x 52 x 256 34 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 35 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 36 res 33 52 x 52 x 256 -> 52 x 52 x 256 37 conv 512 3 x 3 / 2 52 x 52 x 256 -> 26 x 26 x 512 1.595 BFLOPs 38 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 39 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 40 res 37 26 x 26 x 512 -> 26 x 26 x 512 41 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 42 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 43 res 40 26 x 26 x 512 -> 26 x 26 x 512 44 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 45 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 46 res 43 26 x 26 x 512 -> 26 x 26 x 512 47 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 48 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 49 res 46 26 x 26 x 512 -> 26 x 26 x 512 50 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 51 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 52 res 49 26 x 26 x 512 -> 26 x 26 x 512 53 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 54 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 55 res 52 26 x 26 x 512 -> 26 x 26 x 512 56 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 57 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 58 res 55 26 x 26 x 512 -> 26 x 26 x 512 59 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 60 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 61 res 58 26 x 26 x 512 -> 26 x 26 x 512 62 conv 1024 3 x 3 / 2 26 x 26 x 512 -> 13 x 13 x1024 1.595 BFLOPs 63 conv 512 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BFLOPs 64 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs 65 res 62 13 x 13 x1024 -> 13 x 13 x1024 66 conv 512 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BFLOPs 67 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs 68 res 65 13 x 13 x1024 -> 13 x 13 x1024 69 conv 512 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BFLOPs 70 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs 71 res 68 13 x 13 x1024 -> 13 x 13 x1024 72 conv 512 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BFLOPs 73 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs 74 res 71 13 x 13 x1024 -> 13 x 13 x1024 75 conv 512 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BFLOPs 76 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs 77 conv 512 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BFLOPs 78 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs 79 conv 512 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 512 0.177 BFLOPs 80 conv 1024 3 x 3 / 1 13 x 13 x 512 -> 13 x 13 x1024 1.595 BFLOPs 81 conv 255 1 x 1 / 1 13 x 13 x1024 -> 13 x 13 x 255 0.088 BFLOPs 82 detection 83 route 79 84 conv 256 1 x 1 / 1 13 x 13 x 512 -> 13 x 13 x 256 0.044 BFLOPs 85 upsample 2x 13 x 13 x 256 -> 26 x 26 x 256 86 route 85 61 87 conv 256 1 x 1 / 1 26 x 26 x 768 -> 26 x 26 x 256 0.266 BFLOPs 88 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 89 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 90 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 91 conv 256 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 256 0.177 BFLOPs 92 conv 512 3 x 3 / 1 26 x 26 x 256 -> 26 x 26 x 512 1.595 BFLOPs 93 conv 255 1 x 1 / 1 26 x 26 x 512 -> 26 x 26 x 255 0.177 BFLOPs 94 detection 95 route 91 96 conv 128 1 x 1 / 1 26 x 26 x 256 -> 26 x 26 x 128 0.044 BFLOPs 97 upsample 2x 26 x 26 x 128 -> 52 x 52 x 128 98 route 97 36 99 conv 128 1 x 1 / 1 52 x 52 x 384 -> 52 x 52 x 128 0.266 BFLOPs 100 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 101 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 102 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 103 conv 128 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 128 0.177 BFLOPs 104 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs 105 conv 255 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 255 0.353 BFLOPs 106 detection Loading weights from yolov3.weights...Done!

百度百科：FLOPS（即“每秒浮點(diǎn)運算次數”，“每秒峰值速度”），是“每秒所執行的浮點(diǎn)運算次數”（floating-point operations per second）的縮寫(xiě)。它常被用來(lái)估算電腦的執行效能，尤其是在使用到大量浮點(diǎn)運算的科學(xué)計算領(lǐng)域中。正因為FLOPS字尾的那個(gè)S，代表秒，而不是復數，所以不能省略掉。在這里所謂的“浮點(diǎn)運算”，實(shí)際上包括了所有涉及小數的運算。這類(lèi)運算在某類(lèi)應用軟件中常常出現，而它們也比整數運算更花時(shí)間?，F今大部分的處理器中，都有一個(gè)專(zhuān)門(mén)用來(lái)處理浮點(diǎn)運算的“浮點(diǎn)運算器”（FPU）。也因此FLOPS所量測的，實(shí)際上就是FPU的執行速度。而最常用來(lái)測量FLOPS的基準程式（benchmark）之一，就是Linpack?？赡艿脑颍簓olov2是一個(gè)縱向自上而下的網(wǎng)絡(luò )架構，隨著(zhù)channel數目的不斷增加，FLOPS是不斷增加的，而v3網(wǎng)絡(luò )架構是橫縱交叉的，看著(zhù)卷積層多，其實(shí)很多多channel的卷積層沒(méi)有繼承性，另外，雖然yolov3增加了anchor centroid，但是對ground truth的估計變得更加簡(jiǎn)單，每個(gè)ground truth只匹配一個(gè)先驗框，而且每個(gè)尺度只預測3個(gè)框，v2預測5個(gè)框。這樣的話(huà)也降低了復雜度。

所以這發(fā)展的歷程應該是這樣的：

yolo——SSD——yolov2——FPN、Focal loss、DSSD......——yolov3

最后總結，yolo算法的性能一直都沒(méi)有被v2發(fā)揮出來(lái)，而真正被v3發(fā)揮出來(lái)了，v3這次的借鑒效果實(shí)在是太好了