目标检测网络系列——YOLOV3

文章目录

  • YOLO3的改进点
    • 针对区域中包含重叠物体的改进
      • Class Prediction
      • Bounding Box Prediction
    • 更牛逼的网络结构:Dartnet53
    • 多尺度预测
  • 性能
  • 其他工作

YOLO V3的论文篇幅比较短,感觉比较随意,和一般论文最大的区别就是把对比实验去掉了,在摘要和论文的最后说到YOLO3是一个好的目标检测网络就没有了。

但是YOLO3确实是一个非常牛逼的网络,以至于YOLO3的官网上的代码都是从yolo3开始,前面两个都没有了。

https://pjreddie.com/darknet/yolo/

接下来就讲讲这个yolo3,论文中对改进点都一笔带过,我们这里就稍微的展开一下,把背后的逻辑梳理一下。

YOLO3的改进点

YOLO3主要的改进点有下面三个:

  • 更牛逼的网络结构:Dartnet53
  • 引入了ResNet的残差结构思想,提出了多尺度预测的方法
  • 提出区域中包含重叠物体的检测方法,或者说是单标签改成多标签

你可能感兴趣的:(图像深度网络经典论文详解,目标检测,网络,YOLO,yolov3,darknet)