Yolov3 学习笔记

Yolov3 学习笔记

论文地址附上
https://pjreddie.com/
作者主页，下翻有论文pdf和arxiv版
全文翻译我自己看的是
https://blog.csdn.net/wwwhp/article/details/82113678
pytorch版官方源码见github
https://github.com/ayooshkathuria/YOLO_v3_tutorial_from_scratch
以及附上源码的详尽解释（墙裂推荐）
https://blog.csdn.net/qq_34199326/article/details/84072505
对一知半解的新人来说看详细的源码解释确实是学习进步的很好的方法

读论文

Abstract

Yolov3 优势在于速度快的同时精度也能达到一定程度

1. Introduction

扯淡较多，大意是过去一年没做很多研究，光顾着自己玩了，帮别人做了点论文，顺便把YOLO改进了一下。

2. The Deal

YOLOv3和其他图像检测模型对比

2.1 Bounding

【一般图像检测是算出一个矩形框来框出目标图像】

预测边界框是通过中心点加上长宽得到，中心点坐标是图像左上角坐标加上偏移量(offset)，偏移量通过对变量做sigmoid变换得到。

注释重复了一遍原理。标记图像框对应向量t’，预测图像框对应向量t，则梯度是t’-t。
训练使用均方误差。

2.2 Class Prediction

图像分类用多标签分类对数回归实现多分类，不使用多预测标签的softmax回归，原因是对提升性能没有必要，因为softmax直接给出某个标签的唯一结果，在图像属于多个类别时不适用(比如某图像同时属于Woman和Person)，多标签更适合。对数回归进行一对多分类，设置阈值，高于阈值的预测项归入该图像的标签， 从而实现多标签分类。
训练使用二元交叉熵损失(binary cross-entropy loss)。

2.3 Predictions Across Scales

YOLOv3预测三个不同尺寸的边界框，通过特征提取网络后得到一个三维张量编码：边界框，框中目标和分类预测
先验框聚类算法用K-means

2.4 Featur Extractor

使用新型的Darknet-19网络，使用连续的33+11+residual网络，中间加入一些连接层

这里的filter是指三维的滤波器通道数和输入数据的通道数相等，滤波器的数量就是输出数据的通道数，一个filter对应一个通道。
不过这里output的变化还是不太清楚。。明白了再来改【】

2.5 Training

无实质信息。

3. How We Do

重申了Yolov3的快速和较好的性能。做了一些比较，参数没怎么看懂，图放在这里，看得懂的dl可以研究下。

4. Things We Tried That Didn’t Work

尝试过的效果不好的方法有：
Anchor box x,y offset predictions. 将中心坐标偏移量x,y作为图像框宽或者高的倍数
Linear x,y predictions instead of logistic. 线性分类代替对数回归分类
Focal loss. 另一种误差指标
Dual IOU thresholds and truth assignment. 像Faster RCNN一样训练时使用两个IOU阈值(0.3，0.7)。预测值>0.7作为正例，0.3-0.7忽略，<0.3作为反例。
启示：在另一个模型里用的好的技巧在我的模型里不一定好用，可能需要修改，可能就是不合适，实际操作是需要不断尝试找到最合适的Tech，或者自己借鉴创造。

5. What This All Means

Words in this chapter is interesting but useless. . .