YOLOv3基本原理

由于是从Word文档直接复制过来，其中格式如果乱码或者不通顺，请评论区告知我

YOLOv3基本原理

参考链接：https://zhuanlan.zhihu.com/p/76802514

一、网络结构

1、backbone：Darknet-53
backbone部分由Yolov2时期的Darknet-19进化至Darknet-53，加深了网络层数，引入了Resnet中的跨层加和操作。

2、Darknet-53与其他网络的对比：

Darknet-53处理速度每秒78张图，比Darknet-19慢不少，但是比同精度的ResNet快很多。Yolov3依然保持了高性能。
（这里解释一下Top1和Top5：模型在ImageNet数据集上进行推理，按照置信度排序总共生成5个标签。按照第一个标签预测计算正确率，即为Top1正确率；前五个标签中只要有一个是正确的标签，则视为正确预测，称为Top5正确率）

3、Yolov3网络结构全貌
Yolov3使用Darknet-53作为整个网络的分类骨干部分。在Yolov3论文中并未给出全部网络结构。根据代码，整理数据流图如下（参考多份Yolov3代码，正确性可以保证）：

4、网络结构解析：

二、训练

1、输出编码
Yolov3中摒弃了之前的softmax，而是直接用逻辑回归对每个类别进行独立二分类判定，用交叉熵计算损失。作者提到，使用独立的逻辑回归代替softmax，可以适配具有重叠标签的数据集。1维Anchor Box置信度，同样使用逻辑回归作为激活函数，用交叉熵作为损失函数。

2、损失函数

3、精度与性能

结论：Yolov3精度与SSD相比略有小优，与Faster R-CNN相比略有逊色，几乎持平，比RetinaNet差。但是速度是SSD、RetinaNet、Faster R-CNN至少2倍以上。输入尺寸为320*320的Yolov3，单张图片处理仅需22ms，简化后的Yolov3 tiny可以更快。

三、先验框(anchor)和预测框

在YOLOv2中，作者用最后一层feature map的相对大小来定义anchor大小。也就是说，在YOLOv2中，最后一层feature map大小为13X13，相对的anchor大小范围就在（0x0，13x13]，如果一个anchor大小是9x9，那么其在原图上的实际大小是288x288.
而在YOLOv3中，作者又改用相对于原图的大小来定义anchor，anchor的大小为（0*0，input_w * input_h]。