（简洁）Yolov3详解

原文链接：https://blog.csdn.net/weixin_39994739/article/details/106936139?%3E

1.模型结构

模型图：

Darknet-53结构图：

Yolo_v3卷积模型结构：

2.Yolo_v3损失函数

3.IoU算法

IoU算法计算的是bounding box和ground truth box的交集和并集之间的比值，如图所示：

bounding box与ground truth box之间按照相对位置可能出现的情况有（包含、左下、左上、右上、右下、互不相交）6种，如图1所示；通过分析图1可得：计算两个框的交集可视为计算两个集合交集，因此可以将两个框的交集的计算简化为如图2。
图1：

图2：

4.Yolo_v3的边框预测公式

Yolo_v3的边框预测公式采用逻辑回归（logistic regression），其公式如下：

5.边框选择算法

先将置信度低于阈值的边框过滤掉，然后按置信度从大到小排序，最后采用非极大值抑制算法NMS。
算法举例：
假设过滤并排序后的边框集A里有[a,b,c,d]，现有空集B。
step1：抽出a加入B，然后将a与b,c,d进行对比。
step2：首先对比两框是否同类(假设a,b,c同类)。
step3：若同类，再进行计算IOU，若IOU大于阈值则为同一物体，则将其扔掉。（假设a与b的IOU大于阈值，a与c的IOU小于阈值，则将A里面的b扔掉，c保留。）
step4：此时A里面还剩c,d，B里有a，重复step1-3，直到A为空为止。
由上述的假设可得B为[a,c,d]，即最终得到的边框为a,c,d。