YOLO v3详细解读

《YOLOv3: An Incremental Improvement》

Joseph Redmon Ali Farhadi
University of Washington

发表时间:2018


YOLO v3总结了自己在YOLO v2的基础上做的一些尝试性改进,有的尝试取得了成功,而有的尝试并没有提升模型性能。其中有两个值得一提的亮点,一个是使用残差模型,进一步加深了网络结构;另一个是使用FPN架构实现多尺度检测。

YOLO v3的创新点有哪些?

1. 全新的网络结构:DarkNet-53

2. 融合了FPN

3. 用逻辑回归替代softmax作为分类器

1. YOLO v3对网络结构做了哪些改进?

YOLO v3在之前Darknet-19的基础上引入了残差模块,并进一步加深了网络,改进后的网络有 53 53 53个卷积层,取名为Darknet-53,网络结构如下图所示( 以 256 × 256 以256×256 256×256的输入为例)。

YOLO v3详细解读_第1张图片

为了比较Darknet-53与其它网络结构的性能,作者在TitanX上,采用相同的实验设置,将 256 × 256 256×256 256×256的图片分别输入以Darknet-19,ResNet-101,ResNet-152和Darknet-53为基础网络的分类模型中,实验得到的结果如下图所示。可以看到Darknet-53比ResNet-101的性能更好,而且速度是其1.5倍,Darknet-53与ResNet-152性能相似但速度几乎是其2倍。注意到,Darknet-53相比于其它网络结构实现了每秒最高的浮点计算量,说明其网络结构能更好的发挥GPU性能 。

YOLO v3详细解读_第2张图片

2.YOLO v3中怎样实现多尺度检测?

YOLO v3借鉴了FPN的思想,从不同尺度提取特征。相比YOLO v2,YOLO v3提取最后3层特征图,不仅在每个特征图上分别独立做预测,同时通过将小特征图上采样到与大的特征图相同大小,然后与大的特征图拼接做进一步预测。用维度聚类的思想聚类出9种尺度的anchor box,将9种尺度的anchor box均匀的分配给3种尺度的特征图。如下图是在网络结构图的基础上加上多尺度特征提取部分的示意图。

YOLO v3详细解读_第3张图片
(图片转载江大白)

总结

从YOLO v1到YOLO v2再到YOLO 9000、YOLO v3, YOLO经历三代变革,在保持速度优势的同时,不断改进网络结构,同时汲取其它优秀的目标检测算法的各种trick,先后引入anchor box机制、引入FPN实现多尺度检测等,在目标检测领域取得了空前的成功,但YOLO v3也是Joseph Redmon Ali Farhadi的最后一篇目标检测领域的论文,他因为一些原因已经宣布永远退出目标检测领域。


本文只介绍YOLO v3较v1 v2的创新之处,v1 v2详解见
YOLO v1详细解读
YOLO v2详细解读

你可能感兴趣的:(#,One-Stage,目标检测,深度学习,计算机视觉)