图像识别技术与应用

一．YOLO系列

（1）.YOLO-V3

1. .

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. .多scale

为了能检测到不同大小的物体，设计了3个scale

左图：图像金字塔；右图：单一的输入；

左图：对不同的特征图分别利用；右图：不同的特征图融合后进行预测；

1. .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

(5).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

(6).核心网络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

(7).核心网络架构

(8).先验框设计

(9).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