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