YOLOv3

网络结构

网络结构

特征

1、分而治之的思想，划分单元格来检测。

2、Leaky Relu作为激活函数，斜率是0.1。

3、端到端训练，一个loss function（(x,y)、(w,h)、class、confidence四个损失相加，其中(w,h)用差方，其他用二值交叉熵）搞定训练，只需要关注输入/输出端。

4、BN层接在每次卷积层后面，作为正则化、加速收敛、避免过拟合的方法。

5、多尺度训练，在速度和准确率之间权衡。

6、没有池化层和全连接层。通过改变卷积核的步长来实现张量的尺寸变换。

7、3个不同尺度的feature map，深度都是255（（x、y、w、h、confidence五个基本参数+80个类别概率）*3（每个网格预测预测3个box）=255），边长规律是13、26、52。用K-means聚类得到先验框的尺寸，YOLO3延续了这种方法，为每种下采样尺度设定3种先验框，总共聚类出9种尺寸的先验框。在最小的13*13特征图上（有最大的感受野）应用较大的先验框(116x90)，(156x198)，(373x326)，适合检测较大的对象。中等的26*26特征图上（中等感受野）应用中等的先验框(30x61)，(62x45)，(59x119)，适合检测中等大小的对象。较大的52*52特征图上（较小的感受野）应用较小的先验框(10x13)，(16x30)，(33x23)，适合检测较小的对象。

8、使用logistic的输出进行预测。

9、DBL=卷积层+BN层+LeakyRelu激活层

10、BN层：解决在训练过程中，中间层数据分布发生改变的情况。为了防止普通的归一化破坏特征分布，引入变换重构，引入了可学习参数γ、β。作用是：解决梯度消失和梯度爆炸（经过全连接或者卷积层时，也要乘以权重w，如果w都比较大，大过sigmod造成的减小，这样越往前误差就越来越大，梯度爆炸）；允许更大学习率，提高速度；减少对初始化的强依赖；改善正则化策略；可以把训练数据彻底打乱。

注——感受野：卷积神经网络每一层输出的特征图（feature map）上的像素点在输入图片上映射的区域大小。再通俗点的解释是，特征图上的一个点对应输入图上的区域。