YOLOv3理论

yolov3是在v2的基础上做出了进一步提升。文中不是选择以前的voc数据集，而是选择了coco数据集。coco数据集分类分为80个类

• 改进网络结构，更适合检测小目标
• 先验框更丰富了，有3种scal，每种3个规格，9种（v1有2种，v2有5种）
• softmax改进，预测多标签任务。一个物体打上多个标签

多scal

为了检测不同大小的物体，设计了3个scal的特征图。分别对大物体、中物体、小物体

v3设计了3种尺寸的特征图，每个尺寸负责预测大物体、中物体、小物体。

每个尺寸的特征图上，有3种尺寸的先验框

 Q：怎么得到不同scal的特征图

1.单一的输入，经过若干层卷积，得到最终特征图。

 2.，多个输入，但是速度太慢

 3.卷积过程对多个特征分别特征图

 但是中间的层比如大尺寸和小尺寸的特征图 ，层数比较浅，所以可能不完全。因此需要和最后一层做特征融合

4. 特征融合预测（yoloV3选择的是这个）

 13*13的是最终层，是全局性的所有特征提取的效果好。13*13的特征图检测后，进行上采样，然后与26*26的特征图进行融合。

 先验框

每个不同的特征图上，对应三种先验框

残差连接 

 残插连接

VGG网络发现网络层数越高效果越差（梯度消失）

在RestNet中使用了残差连接的思想。

如果19层效果好，52层差。那么中间可能出问题了，但不是所有层都有问题，因此，残差连接有个分支，让网络正常走，然后与原来求和。让网络自己选择合适路。（具体看RestNet）

softmax层替代

输出时一个目标可以有多个标签

特征提取网络

v3中把YOLOv2里面的Darknet19换成了Darknet53网络，如下图所示，53表示总共53个卷积层。

其中每一个Residual就是一个残插结构（resnet那种）。

• 没有池化层，全部卷积还有残插结构
• 下采样通过stride=2实现
• 输出有3种scal的特征图，每个scal又有3种先验框
• 最终特征图上采样与前面层进行特征融合

 yolo结构

 v3中使用了多尺度的一个特征提取，提取了三次特征，分别下采样了8倍，16倍和32倍，分别对应小物体、中物体和大物体的预测。

13*13*255：输出的是13*13的grid cell，每个grid cell有三个anchor ，每个anchor负责预测该cell，有4个位置参数，一个confidence，和80个类别参数。该特征层感受野大，负责预测大物体。

26*26*255：附则预测中物体。

52*52*255：负责预测小物体。