「目标检测从0到1」——（四）YOLO-V3

YOLO-V3的改进：

• 最大的改进就是网络结构，使其更适合小目标检测
• 特征做的更细致，融入多持续特征图信息来预测不同规格物体
• 先验框更丰富了，3种scale，每种三个规格，一共9种。（v1版本2种；v2版本5种）
• softmax改进，预测多标签任务

多scale方法改进与特征融合：

• 为了能检测到不同大小的物体，设计了3个scale

• 左图：对不同的特征图分别利用；右图：不同的特征图融合后进行预测
  

残差连接：

• 由于56层神经网络比20层神经网络差，为了缓解神经网络越深效果越差的问题，采用ResNet
• 为了提取更好的特征，至少不比原来差
  

整体网络模型架构分析：

• 没有池化层和全连接层，全部卷积
• 下采样通过stride = 2实现
• 上采样（UpSampling）：主要目的是放大原图像
• 下采样（SubSampled）：生成对应图像的缩略图
• 3种scale，更多先验框
• 基本上经典做法全融入了
• 下图（1）是基于VOC数据集讲解的，VOC数据集有20个类别，$75=3\ast (4+1+20)$
• 每个网格有3个先验框（又称锚框，anchors）
  
  

先验框设计改进：

• YOLO-V2中选了5个，V3选了9种
  
  

softmax层改进：

• 物体检测任务中可能一个物体有多个标签
• logistic激活函数来完成，这样就能预测每一个类别是/不是
  

YOLO-V3检测流程：