YOLO-V3

先放yolo-v3的实验图，很狂，有种自己跟别人不在一个维度的狂

yolov3的改进是网络架构，使它更能检测小的物体，先验框也增加到了9种，在最后的分类中也改成了多标签的问题。

先验框

v3中将特征图分为检测大中小物体的三种，比如：13x13的用来检测大物体，26x26检测中物体。

但是特征图是从卷积的过程中产生的，那么26x26的特征图就不如13x13的所提取的特征到位，所以作者在这里将13x13的进行上采样然后和26x26的进行了特征融合。

在v3中是大量使用了残差连接的，目的是为了把网络做深

网络结构

v3中没有池化和全连接层，图尺寸的变化都是根据卷积核的步长来计算的

可以看到13x13的特征图经过上采样和卷积之后变成了26x26然后跟网络中出来的26x26做了一个concat拼在了一起再卷积得到检测中等物体的最终特征图。

最后就是对softmax的改变，由于要做多标签的问题，所以就把每个标签都做成了二分类，比如：猫（是，否）、狗、飞机、大炮...

总结

YOLOv3在保持实时性的基础上，对YOLOv2进行了几点改进，主要有三点：

• 使用了残差网络；采用逻辑回归预测置信度和进行分类，从三个尺度上预测b-box的坐标以及特征提取器发生变化。
• 在分类上，没有使用softmax多分类，作者也指出softmax最终对性能也没有提升，而且softmax假设是每个box只有一个类，这对迁移到更大有多种类别标签的数据集是没有好处的，对于Open Images这种数据集，目标可能有重叠的类别标签，因此Softmax不适用于多标签分类。所以作者使用多个逻辑回归来预测分类，使用二元交叉熵计算分类损失。
• 借由FPN的思想，用中间层的输出与后层输出进行融合，进行三个尺度预测，每个尺度的每个cell预测3个坐标，以上面为例，下采样32倍，最后一起的输出是8x8x1024，通过卷积层和逻辑回归得到8x8x255（255=3x（5+80），5是坐标加置信度，80是coco类别），这就是第一个尺度的预测输出，第二个尺度是8x8x1024通过上采样与卷积通过缩放变成16x16x512，然后与上一个stage的16x16x512进行concat，然后通过相似的方式生成16x16x255，类似的操作得到，得到32x32x255。