本文详细解读YOLOv3论文，探讨其结构，包括DBL、resn、concat等组件，以及边界框预测、类别预测等技巧。YOLOv3在feature map的每个cell预测3个边界框，使用logistic而非softmax，适用于不同尺度的目标检测。文章还讨论了特征提取器的设计，强调无池化层和全连接层的特点。
论文：YOLOv3: An Incremental Improvement
地址：https://arxiv.org/abs/1804.02767
代码：Pytorch版本 官方版本（c）
来源：arxiv
Structure
这篇博客中的图片很好的解释了YOLOV3的结构，我们先从总体上进行介绍。
DBL： 如图左下角所示，DBL包含三部分组成，分别是卷积、BN、Leakely relu。在cfg文件中就是如下部分，batch_normalize=1代表了有BN，activeation=leaky就是leakely relu。
resn: n代表了数字，n为多少就代表了有
最低0.47元/天 解锁文章
1152
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
