目标检测学习之路——YOLOv3

相比于YOLOv2，YOLOv3主要做了如下改进：1、提出了新的特征提取器模型Darknet53，该模型相比于Darknet19采用了残差单元（类似ResNet），因此网络模型可以更深；2、采用FPN（feature pyramid networks）结构来实现多尺度预测；3、分类器的改变，使用多个多个 logistic 分类器替代原始的Softmax分类器。

1、Darknet53

Darknet53 与 ResNet-101 或 ResNet-152 准确率接近，但速度更快，对比如下：

检测模型网络结构如下所示：

2、多尺度预测

YOLOv3使用了3个尺度的feature map（当输入图像的分辨率为416×416时3个尺度的feature map为：13×13、26×26、52×52）来预测检测结果。每种尺度预设3个Anchor box（使用k-means聚类的方式得到9个Anchor box，并将其分配到3个不同尺度的feature map上，尺度越大的feature map使用更小的Anchor box，这一做法是为了使模型对小目标物体更友好），检测模型如上图所示：

scale 1：在基础网络的后面添加了一系列的卷积层，经过一系列的卷积操作后输出预测的bounding box信息。

scale 2：将scale1中的倒数第三个卷积层的输出进行1×1的卷积后进行上采样（x2），再与backbone中最后一个26×26的feature map进行concat拼接，之后经过一系列的卷积操作后输出预测的bounding box信息。

scale 3：将scale2中的倒数第三个卷积层的输出进行1×1的卷积后进行上采样（x2），再与backbone中最后一个52×52的feature map进行concat拼接，之后经过一系列的卷积操作后输出预测的bounding box信息。

3、分类器

YOLOv2中预测bounding box中目标所属类别时是用的Softmax分类器，Softmax分类器不适用于多标签分类。因此，在YOLOv3中使用多个独立的logistic 分类器来替代Softmax分类器。

YOLOv3的性能对比如下所示：

 可以看出YOLOv3模型的AP值虽然不是最好的，但是在速度方面YOLOv3完胜其它模型方法。YOLOv3 在 mAP-0.5 及小目标 APs 上的优势更加明显，但是随着 IOU的增大，性能开始下降，这说明 YOLOv3 不能很好地与 ground truth 贴合。

以上是自己学习YOLOv3时一些看法以及查阅相关资料的一些总结，如有理解错误之处请指正。