YOLOv3:一个逐步的提升(YOLOv3:An Incremental Improvement)

作       者：Joseph Redmon,Ali Farhadi

作者单位：University of Washington

联系方式：http://pjreddie.com/yolo/

源       码：http://pjreddie.com/yolo/

摘要

我们提出了一些YOLO的更新!我们做了一些小的设计变更来使得让它更好。我们训练这个新的框架训练得特别好。它相对于YOLOv2稍微大一点，但是精度更高。不用担心,它仍然很快。在320*320的YOLOv3上在22ms内实现了28.2的mAP,这种性能和SSD的精度是一样且速度是SSD的3倍。当我们看到旧的0.5IOU的mAP检测度量标准，YOLOv3是比较好的。它在Titan X上在51ms上实现了57.9的mAP，和RetinaNet在198ms的57.5的AP50相比，类似的性能但是比RetinaNet快3.8倍。像以往一样，所有的代码在https://pjreddie.com/yolo/上。

图1 我们从焦点损失论文调整的图[9]。YOLOv3在性能上相对于其它检测系统