YOLOV3

YOLOV3


YOLO v3网络优点

相比于YOLO v2网络,在保持速度优势的前提下,提升了预测精度,尤其是加强了对小物体的识别能力 。


YOLO v3对相对于v1和v2的改进

将多个好的方案融合到YOLO里面

  • 基于Darknet-53网络结构
  • 使用13*13、26*26、52*52的三个尺度特征进行对象检测
  • 在COCO数据集采用9个先验框,大框的先验框尺寸较大,小框则较小

  • 最后的分类方法,由softmax改成logistic

YOLO v3网络模型

YOLOV3_第1张图片


YOLO v3网络结构

如下,下述网络结构顺序中没有画出归一化过程,具体的归一化过程如上图的  BN  操作。没有全连接层的darknet-53为下图的1x、2x、8x、8x、4x这块网络。


网络搜集代码链接

  • YOLOv3 TensorFlow实现
  • YOLOv3 PyTorch实现

你可能感兴趣的:(目标检测)