YOLO3改进有:
调整了网络结构 |
利用多尺度特征进行对象检测 |
对象分类用Logistic取代了softmax |
Yolo_v3网路就是使用了darknet-53的前面的52层,大量使用残差的跳层连接。
它借鉴了残差网络residual network的做法,在一些层之间设置了快捷链路。
在YOLO3更进一步采用了3个不同尺度的特征图来进行对象检测。
yolov3的特点同样:
yolov3同样采用了划分的方法来进行预测,总共使用了9个anchor box。 |
使用用"leaky ReLU"作为激活函数 |
使用一个loss function训练 |
YOLOV3的损失函数
xy_loss = object_mask * box_loss_scale * K.binary_crossentropy(raw_true_xy, raw_pred[...,0:2], from_logits