yolo3总结

代码网址：https://github.com/marvis/pytorch-yolo3

参考的博客：https://blog.csdn.net/leviopku/article/details/82660381

1.backbone

使用Darknet-53,这种网络使用了残差结构，feature map的改变通过步长的改变，一共缩小到1/32。

darknet_53有着相当大的优势，速度更快准确率也差不多，在论文中，作者认为RES101缺点在于层数太多，效率低。如果追求速度，可以使用 tiny-darknet, tiny-yolo有轻量和高速两个特点

darknet结构2

2.网络结构

3.检测方法

 使用了3种不同的尺寸，当然也可以自己调整

       yolo v3输出了3个不同尺度的feature  map, 这个借鉴了FPN, 用多尺度来对不同size的目标进行检测，越精细的grid cell就可以检测出越精细的物体,可以增强对小目标的结果。

       yolo3把图像分成N*N,这里的N对应feature  map,每个网格预测3个框，所以有3*（80+4+1），其中80为类，4为对框的调整参数，1为置信度。

 

      根据这个公式来求得框的center coordinate和长宽，其中CX,CY为网格的左上角坐标，作者对x,y的预测想直接线性回归代替逻辑回归，但是结果变差，可能是因为线性回归的不稳定行引起（可以偏移到任何位置）.

       yolo3在计算LOSS的时候，用的是对应网格（包含目标中心）的最适合的框来计算坐标,长宽和分类的损失，对于置信度的损失也计算了其他的值，并且给了1和100的权值，

                  loss_conf = self.obj_scale * loss_conf_obj + self.noobj_scale * loss_conf_noobj

                                                 self.obj_scale=1

                                             self.noobj_scale=100

4.NMS算法，结合了confidence

按照置信度对框进行排序

1.从第一个框开始，寻找和他的NMS大于nms_thres的框

2.找出和第一个框同一类的框

3.对上面两个结果求交集得到指向同一个的所有框

4.对这些框加权求平均，得到一个结果，去除这些结果，在返回步骤一