目标检测算法 - YOLOv3

YOLOv1、YOLOv2都是在CVPR这种正规的计算机视觉学术会议上发表的正式学术论文。

YOLOv3不算一篇严谨的学术论文，是作者随笔写的技术报告。

YOLOv3性能：

---

1. Backbone Darknet-53

YOLOv3在v2的基础上，更换了骨干网络，将Darknet-19替换为了Darknet-53。

性能对比：

---

2. 整体架构

输入为416*416大小的图像。输出3个尺度的feature map，分别为$13\times 13\times 255，26\times 26\times 255，52\times 52\times 255$。

三个尺度，分别输入图像划分为$13\times 13，26\times 26，52\times 52$个grid cell。

$13\times 13$下采样32倍，$26\times 26$下采样16倍，$52\times 52$下采样8倍。

$13\times 13$的感受野对应原图上的感受野就是$32\times 32$。

$13\times 13$负责预测大物体，$26\times 26$负责预测中等大小物体，$52\times 52$负责预测小物体。

255怎么来的呢？

$3\times (5+80)=255$。其中3：每个grid cell生成3个anchor，每个anchor对应一个预测框，每个预测框有5+80个参数，5：(x,y,w,h,c)，80：coco数据集80个类别的条件类别概率 。

---

3. 损失函数

在yolov3中，如果一个anchor和ground-truth的IoU最大，那么它就是正样本。如果它和ground-truth有一

部分IoU，但是不是最大的，那么这些框则忽略掉。如果某个anchor和ground-truth的IoU小于阀值，它则为负样本。

---

4. 训练过程

---

5. 预测过程