yolo3 理解

参考以下文章：https://blog.csdn.net/qq_45445740/article/details/120321886；https://blog.csdn.net/leeyns/article/details/128103013

其中yolo3中更改置信度标签值的原因中，有一点在于IOU对小目标的影响，具体解释参考：
https://zhuanlan.zhihu.com/p/429375046

同时，思考yolo3中对小目标检测所花费的心思很多。
（1）FPN多尺度融合的neck思路，grid cell增加到10647，远超yolo2的800+
（2）损失函数中正样本置信度标签值设置；损失函数对小框的惩罚项设置
（3）网络输入的可更改性
（4）骨干网络提取特征能力增强；跨层连接时，浅层特征和深层特征融合，而浅层特征对于小目标物体的识别较好
（5）Anchor，预设了小anchor