YOLOv3_论文学习

这篇文章读下来，作者似乎有一点点疲倦了，从他的预期中似乎有一点点英雄垂暮之感。可能是我误会了吧，让我们一起来看看。

1 Abstract

模型更大了，效果也好，但还是很快的。

2 Introduction

• 感叹自己没怎么做研究，这次再YOLO做了一点改进，同时也帮了别人一点忙
• 似乎是因为他要引用YOLO的一些更新，没有文章来源，所以写了这篇技术报告
• 会讲YOLOv3做了啥，怎么做，没有改进的一些尝试，以及思考这一切意味着什么。

3 The Deal

大多是受到别人好点子的启发。训练了一个更好的分类网络，从头介绍整个系统方便理解。

3.1 Bounding Box Prediction

• 输出方式与YOLOv2一样
• 在训练时是使用sum of squared error loss
• 使用逻辑回归预测每个目标的分数【这个不是很清楚，重叠程度最大的未1？覆盖未超过阈值的，体跳过，而不是每一个groundtruth都预测一个，这样的话就不会产生类别误差】

3.2 Class Prediction

• 不需要softmax
• 直接使用独立的逻辑分类器
• 训练时对类别的预测使用binary cross-entropy loss

好处是：在出现重叠标签时，上述方法更好，因为softmax会默认一个框只有一个类

3.3 Predictions Across Scales

• 在三个不同的尺度预测
• 利用类似于特征金字塔网络的概念
• N ×N ×[3∗(4 + 1 + 80)] for the 4 bounding box offsets,1 objectness prediction, and 80 class predictions.
• 从前两层提取特征图，上采样变成两倍，之后与更早的特征图在一起处理，然后在这个特征图做相似的预测
• 再用该方法预测了一次

重点注意：
We still use k-means clustering to determine our bound-ing box priors. We just sort of chose 9 clusters and 3 scales arbitrarily and then divide up the clusters evenly across scales.
我们仍然使用k-均值聚类来确定我们的包围盒先验。我们只是随意选择了9个集群和3个尺度，然后在尺度上均匀地划分这些集群。在求解anchorbox时应该考虑尺度！！！

3.4 Feature Extractor

• darknet53
• 更大了，连续使用3 * 3，1 * 1和一些short cut

3.5 Training

• 多尺度训练
• 数据增强（旋转之类的）
• 批正则化

4 How We Do

• 效果很好，与SSD相当，但是更快
• 小尺度表现好，但中尺度和大尺度效果差了点
  
  

5 Things We Tried That Didn’t Work

说不好，但是有没有深入分析

• Anchor box x, y offset predictions.
  使用线性激活将x，y偏移量预测为框宽或框高的倍数【不是很懂】，不稳定，效果不佳
• Linear x, y predictions instead of logistic，map表现不好
• Focal loss
• Dual IOU thresholds and truth assignment：fastrcnn用的，在这里效果不好

总结

这篇更多是作为一篇技术报告，感觉主要的创新是在于：模型更深，多尺度训练，以及像一些类别预测方式的更改，总体来说没有2的创新大，主要是一些小改进吧。
在后面，作者是对技术发展进行了相应的思考：技术不断突破的同时，也应该思考如何让技术向善发展