目标检测总结：YOLO系列（2）

Yolo v3

v3版本针对yolo又提出了一些小的改进。

• 使用逻辑回归预测边界框的分数
• 用逻辑回归取代softmax预测类别，将原来的但标签多分类变为了多标签多分类，因为在一些复杂场景下，一个object可能不止属于1类。用逻辑回归层做二分类，用到了sigmoid。
• multiscale anchor： 将v2中的fine-grained feature 进一步加强，融合了三个scale的特征（13 26 52）。anchor的初始尺寸还是利用v2中的聚类方法得到，总共有九中聚类结果。
• 网络结构方面，Darknet 53， 基本采用全卷积，并且引入了Residual结构
  
  总结：
  创新点主要有：
  1，使用了不同scale的 anchor
  2，用逻辑回归代替softmax
  3，Darknet53
  文章的内容并不多，并且 多个scale anchor哪里说得不是很清楚，需要结合源码来理解。
  prediction across scales：
  看了yolov3的源码，其实这一部分的操作比较简单，将13×13的featuremap进行上采样至26×26，然后与上一层26×26的featuremap进行concat，这样做的好处是将高层的语义信息和底层的细粒度信息结合起来，使得featuremap有更好的表征。同时26×26的map在原始图像中的anchor更小，可以监测到更小的目标。从论文中说的，每层预测N×N×（3×（4+1+80）），也就是说每个特征层N×N预测三个形状，然后3个不同尺度体现在最后的三个特征层上分别进行预测，类似于SSD。