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——tx,ty,tw,th。如果网格单元相对于图片左上角的偏移坐标是(cx,cy),先验框的宽和高是pw,ph,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 ^ \widehat{t} t