卷积神经网络——YOLOv3论文翻译

论文链接：https://arxiv.org/abs/1804.02767

YOLOv3: An Incremental Improvement

Abstract (摘要)

我们提出了一些对YOLO的升级！我们做了一些小的设计修改来使它更好。我们同样训练了该新网络，它的表现非常不错。它比上一个版本大一点但是精度更高。别担心，它仍然足够快。使用320x320的输入时YOLOv3的执行速度为22ms得到mAP为28.2，与SSD精度一样高但是速度快了三倍。如果看老的检测指标——0.5IOU的mAP，YOLOv3表现的也相当出色。在一个Titan X上AP₅₀为57.5执行速度为51ms，Retinanet的AP₅₀为57.5执行速度为198ms，与Retinanet相比精度差不多但是速度快了3.8倍。按照惯例，代码地址：https://pjreddie.com/yolo/。

1. Introduction

你知道吗，有时候你感觉一年都在打电话。今年我们没有做很多的研究。在Twitter上花费了很多时间。尝试了一下GAN网络。我还有一些去年遗留的动力[12][1]，我设法对YOLO进行一些改进。但是，老实说，没有非常有趣的东西，只是一系列的小修改使他变的更好。我也帮别人做了一些研究。

实际上，写这篇文章的原因是这样的。我们有一个最终版本的截止时间[4]，我们需要引用一些我提出一些对YOLO随机的更新，但是我们没有来源。所以准备好看一篇技术报告吧。

技术报告最棒的一点是不需要对他们进行介绍，你们都知道为什么会用到它。所以在引言的最后我们介绍一下剩余文章的要点。首先我们告诉你在YOLOv3中做了那些处理。然后说明一下我们是怎么做的。同样会说明一些我们尝试过但是没有成功的事情。最后我们思考一下这些意味着什么。

2. The Deal

下面就是我们要在YOLOv3上要做的事情：大部分都是采用的其他人的好办法。我们同样训练了一个比其他网络更好的分类网络。我们将从头开始为你介绍整个系统，可以让你彻底理解它。

2.1. Bounding Box Prediction

与YOLO9000一样，我们使用维度聚类作为锚点框[15]来预测边界框。网络为每个边界框预测四个坐标——t_x，t_y，t_w，t_h。如果网格单元相对于图片左上角的偏移坐标是(c_x，c_y)，先验框的宽和高是p_w，p_h，那么对应的预测结果为：

训练时我们使用平方和误差损失。如果真值是$t$