改进:小目标检测
(1)边界框预测
(2)分类预测
不再使用softmax,使用logistic。
Open Images中包含了大量重叠的标签(如女性和人),如果使用softmax,它会强加一个假设,即每个框只有一个类别,然而事实常常不是如此。相比之下,多标签分类方法能更好地拟合这些数据。
(3)多尺度预测
YOLOv3在3中不同尺度上进行预测。使用与FPN相似的概念从不同尺寸的特征图中提取特征。
(4)特征提取器
Darknet-53,融合了Darknet-19和残差网络。
改进:小目标检测
(1)边界框预测
(2)分类预测
不再使用softmax,使用logistic。
Open Images中包含了大量重叠的标签(如女性和人),如果使用softmax,它会强加一个假设,即每个框只有一个类别,然而事实常常不是如此。相比之下,多标签分类方法能更好地拟合这些数据。
(3)多尺度预测
YOLOv3在3中不同尺度上进行预测。使用与FPN相似的概念从不同尺寸的特征图中提取特征。
(4)特征提取器
Darknet-53,融合了Darknet-19和残差网络。