YoloV3学习小总结

YoloV3简介

相较于YoloV2改进点

yolov2

1. Bounding Box Prediction

yolov2会使用与真实框IOU最大的anchor box去预测物体，而yolov3会设置一个阈值，只要IOU超过这个阈值，anchor box就可以去预测物体，这样可以使预测的正例更多。

2. Class Prediction

yolov3使用了多分类标签，做分类时，使用二分类交叉熵。

3. Predictions Across Scales

yolov3使用了3种不同大小的anchor boxes，使用了特征金字塔的网络结构，输出三类不同大小特征图的检测结果，如下图。框起来的就是yolov3使用的FPN（特征金字塔）。

4. Feature Extractor

yolov3使用了残差结构来提取特征，分类网络结构如下图