[人工智能]图像识别-YOLOV3

1. 网络结构改进：最大改进在于网络结构，使其更适合小目标检测。特征更细致，融入多持续特征图信息预测不同规格物体；先验框更丰富，有 3 种 scale，每种 3 个规格，共 9 种；softmax 改进，用于预测多标签任务。

1. 多 scale 检测
   • 设计目的：为检测不同大小物体，设计 3 个 scale。
   • 经典方法：

1左图：图像金字塔；右图：单一的输入；

    

2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：借鉴 resnet 思想，堆叠更多层进行特征提取，目前基本所有网络架构都采用残差连接方法，YOLO-V3 也应用了该方法。
2. 核心网络架构
   • 架构特点：没有池化和全连接层，全部采用卷积；下采样通过 stride 为 2 实现；包含 3 种 scale，设置了更多先验框，融入当下经典做法。
3. 先验框设计：YOLO-V2 选了 5 个先验框，YOLO-V3 增加到 9 种。在不同尺寸的特征图上，先验框大小不同，13×13 特征图上有 (116x90)、(156x198)、(373x326)；26×26 特征图上有 (30x61)、(62x45)、(59x119)；52×52 特征图上有 (10x13)、(16x30)、(33x23) 。
4. softmax 层替代：物体检测任务中一个物体可能有多个标签，YOLO-V3 使用 logistic 激活函数替代 softmax 层，可预测每一个类别是 / 不是