YOLOv3: An Incremental Improvement 整体介绍及部分细节讲解（部分基于飞桨课程）

本篇笔记部分基于飞桨课程：https://aistudio.baidu.com/aistudio/education/group/info/1297

---

一、整体总结

yolov3网络输出分候选框回归、objectness（是否有目标）检测、候选框内物体类别三部分。
其中候选框回归部分的损失采用的是平方误差损失的和，objectness检测采用的是logistic regression，类别检测采用的是logistic分类器，训练时用的binary cross-entropy loss。
主要就是快（不是两阶段的，而且用了Darknet，没用ResNet），同时效果也还ok。
yolov3的网络结构如图。

二、论文笔记

1. 候选框回归与RCNN系列相似。如果想要了解原理可以看一文读懂Faster RCNN的2.4节bounding box regression原理。
   $$\begin{gathered} b_x=\sigma (t_x)+c_x \\ {b}_y=\sigma (t_y)+c_{} \end{gathered}$$