YOLO物体检测系列3：YOLOV3详解

YOLO 系列教程 总目录

YOLOV1整体解读
YOLOV2整体解读

YOLOV3提出论文：《Yolov3: An incremental improvement》

1、YOLOV3改进

这张图讲道理真的过分了！！！我不是针对谁，在座的各位都是**

故意将yolov3画到了第二象限

• 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

1. yolo的思想就是一步预测，速度快，但是一直被质疑效果不好，这次改进了网络结构更加适合小目标检测
2. yolo主要用的还是cnn，改进的地方还是在cnn上
3. v1 2个框，v2做了一个聚类有5个框，v3 9个框
4. 一个物体可能有多标签，比如哈士奇既是狗可别也是哈士奇类别

2、多scale方法与特征融合

• 为了能检测到不同大小的物体，设计了3个scale

在v2版本中，将不同尺度的特征融合到了一起来满足多尺寸的物体检测，实际上效果并不好，v3版本中，将物体分为了三个尺寸（13，13）、（26，26）、（52，52），代表大、中、小三种尺寸的物体取预测。
（13，13），对应大物体，3个较大的候选框
（26，26），对应中等物体，3个略小的候选框
（52，52），对应小物体，3个较小的候选框

在yolov2中为了应对对小目标检测效果不好的情况，将最后一层卷积的特征图和倒数第二层做了融合，去预测。
在yolov3版本的做法是：

1. 最后一层卷积的特征图尺寸是（13，13），记为结果A
2. 倒数第二层卷积的特征图尺寸是（26，26），将结果A进行上采样至（26，26），融合在一起得到结果B
3. 倒数第三层卷积的特征图尺寸是（52，52），将结果B进行上采样至（52，52），融合在一起得到结果C
4. 结果A负责预测大物体，结果B负责预测中物体，结果C负责预测小物体

3、残差连接-为了更好的特征

• 从今天的角度来看，基本所有网络架构都用上了残差连接的方法
• V3中也用了resnet的思想，堆叠更多的层来进行特征提取

当年2016年resnet让深度学习真正变得深了起来，因为很多网络在堆叠到一定程度后，效果不仅没有上升反而下降，加上resnet的残差连接的思想，保证了堆叠不会出现效果下降的情况

4、网络架构

• 没有池化和全连接层，全部卷积
• 下采样通过stride为2实现
• 3种scale，更多先验框
• 基本上当下经典做法全融入了

1. 在v2版本中去掉了所有的全连接层，在v3版本中所有的池化层也全部去掉了
2. 下采样通过卷积步长为2来实现
3. 红色部分从上到下依次对应小目标、中目标、大目标

整体就是利用残差网络得到三种不同输出的特征图，这三种不同特征图将之前的信息也融入进来

85的意思就是80+4+1,4是先验框的x、y、w、h，1是confidence判断是前景还是背景，80就是80个类别，这是自己定义的。

5、先验框改进设计

• YOLO-V2中选了5个，这回更多了，一共有9种
• 13*13特征图上：(116x90)，(156x198)，(373x326)
• 26*26特征图上：(30x61)，(62x45)，(59x119)
• 52*52特征图上：(10x13)，(16x30)，(33x23)

1
1
1