YOLOv3网络架构以及代码细节解析（一）

看了yolo3的论文但是作者只是在文中说了一些他对于网络的改进，没有网络结构也没有损失函数，想着把代码看一下，看了一天，终于yolo有了一个很初步的了解，话不多说，一下是点击此处我用的yolov3代码，是基于tensorflow实现的，我用tensorboard可视化了整个网络，提取码bvvz,我将从网络和损失函数来分析。
作者在yolo3中搞了一个53层的darknet,代码如下：

可以看到作者在网络中用了类似于resnet的结构，并且输出了三个不同尺度的feature map，在这之后作者还将这三种不容尺度的feature map经行融合采用了一种多尺度的方法（一会介绍）。通过darknet之后我们会输出3中尺度的feature map大小分别为[52,52,256]、[26,26,512] 、[13,13,1024]，我们称之为3,2,1,。然后1会在通过yolo_net和detection_layer最后输出大小为[ 13, 13, 255]的feature map1,这里的255 = 3*（4+1+80），因为feature map中的每个cell预测三个box,每个box有4个坐标还有一个置信度，coco数据集有80类。

接下来就是比较麻烦的剩下两张feature map产生的过程了，大家看一下网络结构图就一目了然了：

可能看的不是很清楚，不清楚的话可以下载上面链接的文件自己看一下，我们从图中可以看到，feature map1在输出的前一层还输出了一个[13,13,512]大小的map,我们将这个map再通过一个卷基层然后上采样（代码中用的是最近邻采样）将map变成[26,26,256],接着将map和之前darknet中产生的2相连接产生新的map[26,26,768]，接着通过卷积网络产生feature map2[2626255],同理我们按照上面的方法再融合3又可以产生一个feature map3。整个网络的输出就是这样了，然后可以在三个不同尺度的feature map上进行预测，作者采用的是anchor box的方法，作者在小的feature map上采用大的anchor box这杨就可以预测比较大的物体，我一开始一位anchor box很神秘但是一看代码就是一个list里面存放了anchor的长宽。

具体的过程大家还是要去看代码，还是有很多细节在里面的。以上就是整个网络的结构。接下来我们来分析损失函数：

损失函数一共分为3组第一组为box的损失，作者加了一个box_loss_scale这个值在box越大的时候越小，box越小的时候越大，因为小的box和大的box在变化相同的情况下小box相对于自身的变化量肯定较大，因此作者加了这个因子去平衡大小框之间的差异，其实这就和yolo1中开根号是一个道理。
第二组损失为置信率的损失,其中conf_pos_mask表示有物体，conf_neg_mask表示没有物体以及iou小于0.5，对于这两种情况我们都希望pred_conf_logits接近object_mask，这里使用了sigmod交叉熵去衡量，第三类为类别的损失也是用了交叉熵来衡量。
以上为我粗浅的理解，如有错误，欢迎指正，谢谢！