YOLO-V3

终于到V3了，最大的改进YOLO-V3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

残差连接-为了更好的特征

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

核心网络架构

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

oftmax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