秋招面试问题总结-视觉算法

YOLOv3对YOLOv2的改进：

1.loss不同：作者v3替换了v2的softmax loss变成logistic loss，由于每个点所对应的bounding box少并且差异大，每个bounding与ground truth的matching策略变成了1对1.
2.anchor bbox porior不同：v2的作者用了5个先验框，v3用了9个先验框，提高了IOU
3.detection的策略不同：v2只有一个detection，v3一下子变成了3个，分别是一个下采样的，feature map为13×13，还有2个上采样的eltwise sum,feature map为26×26，52×52，也就是说v3的416版本已经用到了52的feature map，而v2把多尺度考虑到训练的data采样上，最后也只是用到了13×13的feature map，这应该是对小目标影响最大的地方。
4.backbone不同：采用简化的residual block取代了1×1和3×3的block（其实就是加了一个shortcut，也是网络加深必然所要采取的手段。），这和上一点是有关系的，v2的darknet-19变成了darknet-52，需要上采样，卷积层数自然就多了，另外坐着还是用了一连串的3×3、1×1卷积，3×3卷积增加channel，而1×1卷积在于压缩3×3卷积后的特征表示，这波操作很具有实用性，一增一减，效果很棒。
5.对小