YOLO_v3详解

一：YOLO_v3改进

相对于YOLO_v2的缺陷，v3版本又进一步升级，更适合小目标检测了，同时还有其他的改进，想了解v2版本的话可以看看本人写的另一篇YOLO_v2详解，下面列出v3中几处改进：

• Darknet-53的提出
• 多尺度预测
• softmax改进，适合多标签任务

二：网络模型

YOLO v3的模型比之前的模型复杂了不少，仅使用卷积层，使其成为一个全卷积网络（FCN），可以通过改变模型结构的大小来权衡速度与精度。下面我对网络细节进行讲解。

三：细节描述

【Darknet-53】

作者提出一个新的特征提取网络，Darknet-53（类ResNet）。正如其名，它包含53个卷积层，每个后面跟随着batch normalization层和leaky ReLU层。没有池化层，使用步幅为2的卷积层替代池化层进行特征图的降采样过程，这样可以有效阻止由于池化层导致的低层级特征的损失。

【多尺度预测】

其实就是把三种尺寸大小的anchor分配给三种大小的特征图，这样可以很好的针对性检测出不同尺寸大小的物体，其实就是上图中的右侧部分，具体方法如下：

YOLO v3的Bounding Box由YOLOV2又做出了更好的改进。在yolo_v2和yolo_v3中，都采用了对图像中的object采用k-means聚类。feature map中的每一个cell都会预测3个边界框（bounding box）。

三次检测，每次对应的感受野不同，32倍降采样的感受野最大，适合检测大的目标，所以在输入为416×416时，每个cell的三个anchor box为(116 ,90); (156 ,198); (373 ,326)。16倍适合一般大小的物体，anchor box为(30,61); (62,45); (59,119)。8倍的感受野最小，适合检测小目标，因此anchor box为(10,13); (16,30); (33,23)。所以当输入为416×416时，实际总共有（52×52+26×26+13×13）×3=10647个proposal box。

【softmax改进】

物体分数表示一个边界框包含一个物体的概率，对于红色框和其周围的框几乎都为1，但边角的框可能几乎都为0。物体分数也通过一个sigmoid函数，表示概率值。

类置信度表示检测到的物体属于一个具体类的概率值，以前的YOLO版本使用softmax将类分数转化为类概率（训练时是MSE，这里说的是实际测试时）。在YOLOv3中作者决定使用sigmoid函数取代，原因是softmax假设类之间都是互斥的，例如属于“Person”就不能表示属于“Woman”，然而很多情况是这个物体既是“Person”也是“Woman”。

三:总结

YOLO系列到V3版本，其实已经很完善了，对于后面的v4和v5版本，其实都是缝合怪，后面还会持续更新YOLO系列，谢谢。

---

  至此我对YOLO_v3的原理，进行了简单讲解，希望对大家有所帮助，有不懂的地方或者建议，欢迎大家在下方留言评论。

我是努力在CV泥潭中摸爬滚打的江南咸鱼，我们一起努力，不留遗憾！