Yolo系列-yolov3

YOLO-V3
这张图讲道理真的过分了!!!我不是针对谁,在座的各位都是
Yolo系列-yolov3_第1张图片终于到V3了,最大的改进就是网络结构,使其更适合小目标检测特征做的更细致,融入多持续特征图信息来预测不同规格物体
先验框更丰富了,3种scale,每种3个规格,一共9种
softmax改进,预测多标签任务
多scale
为了能检测到不同大小的物体,设计了3个scale
Yolo系列-yolov3_第2张图片
scale变换经典方法

左图:图像金字塔;右图:单一的输入;
Yolo系列-yolov3_第3张图片残差连接-为了更好的特征

Yolo系列-yolov3_第4张图片核心网络架构
Yolo系列-yolov3_第5张图片Yolo系列-yolov3_第6张图片
先验框设计

YOLO-V2中选了5个,这回更多了,一共有9种
1313特征图上:(116x90),(156x198),(373x326)2626特征图上:(30x61),(62x45),(59x119)
52*52特征图上:(10x13),(16x30),(33x23)
在这里插入图片描述
YOLO-V2中选了5个,这回更多了,一共有9种
Yolo系列-yolov3_第7张图片
softmax层替代

物体检测任务中可能一个物体有多个标签
logistic激活函数来完成,这样就能预测每一个类别是/不是
Yolo系列-yolov3_第8张图片

你可能感兴趣的:(#,物体检测经典算法实战,YOLO)