【经典论文解读】YOLOv3 目标检测

前言

YOLO是一种目标检测方法，它的输入是整张图片，输出是n个物体的检测信息，可以识别出图中的物体的类别和位置。YOLOv3相对v2版本，准确度和速度差不多，但对小目标检测更好。

v3版本主要的改进是使用Darknet-53主干网络提取特征、多尺度特征检测（FPN结构）、预测对象分类采用Logistic取代softmax。

它延续了v2版本部分特点：采用先验框Anchor Boxes、聚类提取先验框尺度、约束预测边框的位置、批归一化BN、去除全连接层。

v1版本没有采用先验框，每个网格只预测两个边界框。这两个边界框“没有预先设计”框的大小和形状，而是模型生成，然后回归调整的；也没有对每个边界框输出一个对象预测，而是一个网格只预测一个对象类别。
 

论文地址：YOLOv3: An Incremental Improvement

开源代码：https://github.com/pjreddie/darknet

目录