YOLO v3学习笔记

本专栏将从论文的角度解读一下CV方向的一些经典神经网络模型及其贡献与意义，以期加深自己的印象，后续可以随时翻看并且学习其中好的tricks。这一期先简要介绍 YOLO v3，因为 YOLO v3 相比于 YOLO v2 改进不多，但不得不承认效果确实好。

YOLO v3

论文相关信息（链接）：

YOLO v3 的改进思路，也是在不牺牲或者少牺牲速度的基础上提高精度，最大的改变是在网络结构上，借鉴了 ResNet 、FPN 等结构，设计了 DarkNet-53 :

更为清晰的结构图转自这里，这里面后半部分的结合不同大小特征图来优化预测输出正是 FPN 中的精髓：

还是非常能打的，和ResNet几乎一模一样的准确率，但是速度快了一倍：

最主要的 trick：如上面的结构图所示，分别在三个不同尺度的特征图上做预测，来兼顾大小目标的检测。与 YOLO v2 中几乎一样，三个不同尺度中的每一个网格块生成三个先验框，大小同样由聚类（k = 9）确定，每个框的一套输出值也一样，预测框参数 t_x、t_y、t_w、t_h ，预测框置信度 t_o，再加上预测八十个类别的概率值，就是图中的输出了。比较重要的还是去掉了一个网格块只负责一个物体检测的设定，改成跟 Faster R-CNN 中一样，将这些框用非极大值抑制处理后作为 GT 的预测框，这样比原来更加合理，而且也没有了重叠目标识别的问题了。

其他都是比较细节的点了，比如损失函数上的小改变、置信度预测规则不同、训练时和 Faster R-CNN 一样只使用严格定义的正例负例，以后深入到代码层面再来谈谈体会。