Yolo v3

Yolo v3

1、Yolo v3算法思想

首先通过特征提取层，对输入图像进行特征提取，然后得到一定size的feature map，比如说size是26 ×26，然后就将输入图像分成26×26个grid cell；然后，如果某个ground truth 的 object的中心坐标落入某个grid cell，就由这个grid cell来负责预测该object，每个grid cell都会预测一定数量的bounding box，Yolo v3这里取的是3个，然后这3个bounding box和ground truth 做IOU计算，最大的那个即来预测此object。

2、网络结构

首先是Yolo v3 的网络结构，相比于Yolo v2有以下几点改进：

1、其采用了DarkNet53的网络结构，网络更深

2、借鉴与ResNet引入了residual结构，来防止层数过深而引起的梯度问题

3、预测支路采用全卷积结构，同时利用FPN的思想，将DarkNet53特征提取层与预测支路进行特征融合，提高了对小目标的检测能力

以下是Yolo v3的网络结构图：

（其中：convolutional是指Conv2d+BN+LeakyReLU）

最后3个预测层的输出：
预测输出1：（C，255,13,13）
预测输出2：（C，255,26,26）
预测输出3：（C，255,52,52）
其中，255 = k*(4+1+c)，这里k取3，代表预测边界框的个数；c代表预测的种类，这里采用COCO数据集，取80；4代表的是预测框的4个坐标信息；1是物体预测分数。

3、bounding box的坐标预测方式

下图很好的阐述了这个计算过程：
1、(tx,ty,tw,th）是模型的预测输出
2、(cx,cy）是grid cell 的坐标，比如说 (0,0)，(0,1)这样子
3、(pw,ph)是预测前bounding box的size ,这个好像是作者采用聚类的方法得到的一组size
4、(bx,by,bw,bh)便是最终计算得到的bounding box的预测坐标
5、σ 是sigmoid函数，目的是使其放缩到0-1之间，似乎是可以加快收敛

4、损失函数

1、目标置信度损失
采用的是二值交叉熵损失函数：

其中，目标置信度即预测目标矩形框中存在目标的概率，o取{0,1}，即表示{不存在，存在}；c代表预测目标框内存在目标的Sigmoid概率。

2、目标类别损失
采用的也是二值交叉熵损失函数：

O含义同上述o；C_ij表示预测目标框i存在第j类object的Sigmoid概率。

3、目标定位损失
采用的是均方损失函数：

其中，l 为前面所说的网络预测所得出的bounding box的坐标（bx,by,bw,bh)。

5、算法性能

不得不说，Yolo在速度这方面是真的赞。

参考：

参考链接1：YOLO v3网络结构分析
参考链接2：YOLO v3算法笔记