onnx-yolov3

依赖库

• onnxruntime
• numpy
• cv2

模型来源

darknet--->caffe--->onnx
1.darknet转caffe参考
2.caffe转onnx。

模型介绍

转换了输入尺寸为416、608的yolov3模型，以及输入尺寸为416的yolov3-tiny模型。
yolov3 onnx模型下载

yolov3-416

模型输出

输入为416x416的图像，输入名为input。 输出为三个feature map，维度分别是255x13x13，255x26x26，255x52x52，其中255=3 x (80 + 5)，80个类的概率加$t_x,t_y,t_w,t_h,t_o$(置信度)。
节点类型种类

各类型节点数为：
Upsample:2个
Concat:4个
Add:23个
BatchNormalization:72个
Conv:75个
LeakyRelu:72个

yolov3-608

模型输出

输入为608x608的图像，输入名为input。 输出为三个feature map，维度分别是255x19x19，255x38x38，255x76x76，其中255=3 x (80 + 5)，80个类的概率加$t_x,t_y,t_w,t_h,t_o$(置信度)。
节点类型种类

各类型节点数为：
Upsample:2个
MaxPool:3个
Concat:7个
Add:23个
BatchNormalization:73个
Conv:76个
LeakyRelu:73个

yolov3-tiny

模型输出

输入为416x416的图像，输入名为input。 输出为两个feature map，维度分别是255x13x13，255x26x26，其中255=3 x (80 + 5)，80个类的概率加$t_x,t_y,t_w,t_h,t_o$(置信度)。
节点类型种类

各类型节点数为：
Upsample:1个
MaxPool:6个
Concat:2个
BatchNormalization:11个
Conv:13个
LeakyRelu:11个

测试图像结果

yolov3-416

yolov3-608

yolov3-tiny