YOLOv3（一些总结）

YOLOv3相比YOLOv2，主要有以下几个方面的改变：使用Darknet-53作为基础网络（提取图像特征）；对象分类用逻辑回归取代softmax；借鉴FPN，利用多尺度特征图进行目标检测。

---

1.网络结构

YOLOv3采用了Darknet-53作为基础网络，有53个卷积层。它借鉴了ResNet中的残差块的设计，在某些层之间添加“跳层连接”（shortcut connection）。更详细的网络结构剖析可以看这篇大牛！

---

2.用逻辑回归取代softmax

YOLOv3在分类时没有用softmax分类器，而是用独立的logistic分类器。softmax只能处理相互独立的类别，也就是bounding box如果属于一种类别，那么它就不可能属于第二种类别。但是对于Open Image这种数据集，有许多重叠的类别标记，比如“女人”和“人”。因此用softmax处理就不太合适了。用logistic分类器来预测每个类别得分，并设置一个阈值，选取大于阈值的类别作为bounding box的真实类别。

3.用多尺度特征图进行检测

这部分参考大牛