【目标检测】YOLOV3

YOLOv3: An Incremental Improvement

1、YOLO V3 Structure

YOLO V3 网络结构借鉴类似 ResNet（残差网络结构）和 FPN（Feature Pyramid Networks）网络结构方式。

残差网络：残差网络通过在网络中引入跳跃连接（shortcut connections）来构建残差块（residual blocks）。这些跳跃连接使得输入可以直接与输出相加，形成残差块的输出。这种结构可以缓解梯度消失或爆炸的问题，并提高网络的表达能力和训练效率，促使可搭建更深的网络结构。

特征金字塔网络：FPN 能够输出多个尺度的特征图，通过将不同尺度的特征图融合，使融合后的特征图同时具有高层语义信息和低层结构信息，显著提升了目标检测性能。

YOLO V3 三个基本组件：

• CBL：由 Conv + BN + Leaky_relu 激活函数三者组成。
• Res unit：借鉴 Resnet 网络中的残差结构，让网络可以构建的更深。
• ResX：由一个 CBL 和 X 个残差组件 Res unit 构成。

other：

• Concat：张量拼接，会扩充两个张量的维度，例如2626256和2626512两个张量拼接，结果是2626768。Concat和cfg文件中的route功能一样。
• add：张量相加，张量直接相加，不会扩充维度，例如104104128和104104128相加，结果还是104104128。add和cfg文件中的shortcut功能一样。

2、Darknet-53

YOLO V3 主干网络采用 Darknet-53 网络，从网络结构中可以知道，YOLO V3 网络结构没有池化层和全连接层，前向传播过程中，张量的尺寸变换是通过改变卷积核的步长来实现的。

[COPY]
深入浅出Yolo系列之Yolov3&Yolov4&Yolov5&Yolox核心基础知识完整讲解
近距离观察YOLOv3
Yolov3可视化网络结构图
yolo系列之yolo v3【深度解析】
YOLO v3网络结构分析
https://github.com/thisiszhou/SexyYolo
【论文解读】Yolo三部曲解读——Yolov3
YOLOV3损失函数