目标检测网络---yolov3（一）

前两篇博文介绍了两阶段检测网络中的经典算法RCNN系列综述和RCNN优化策略，这篇博文介绍单阶段检测网络中的经典算法yolov3。

说明

这篇博文是学习了百度飞桨目标检测7日打卡训练营后写的笔记，百度飞桨学习链接：https://aistudio.baidu.com/aistudio/education/group/info/1617

yolo发展历程

You Only Look Once

问题

1.为什么只用看一次就能解决目标检测问题？
2.什么是anchor，为什么要使用anchor？
3.如何从anchor到预测框？
4.从anchor到预测框的坐标变换，中心点坐标与宽度和高度的变换方式为何不同？

yolov1&yolov2

为了说明只用看一次就可以解决目标检测问题，得从yolov1和yolov2说起
yolov1详细介绍
https://blog.csdn.net/u014380165/article/details/72616238

yolov2详细介绍
https://blog.csdn.net/u014380165/article/details/77961414

anchor

anchor（锚框）是预测框的初始值，通过网络训练，对其进行微调，得到最终的预测框。

yolov3

yolov3网络结构

yolov3输入输出

从anchor到预测框


坐标变换
anchor的初始中心点坐标为网格的左上角坐标，通过对回归坐标中心点进行偏移，宽高进行缩放，得到最终的预测框。

因为每个anchor的中心点偏移范围是一个网格，古中心点偏移范围为（0,1），sigmoid正好具备这个特性；anchor的缩放倍数应该是正值，故选择exp函数对其进行变换。

yolov3优缺点