YOLOV3详解

主干网络 

主干网络（backbone）：DarkNet53（没有全连接层，所以YOLOv3只用了前52层），基本单元：DBL（卷积+BN+Leaky Relu），大组件：resn。

52 = 1+1+1*2+1+2*2+1+8*2+1+8*2+1+4*2  

图片尺寸计算公式：（N-K+2P）/S+1 P：边缘填充方式，S：步长。通过backbone后图片尺寸变成原尺寸的1/32，所以一般要求输入图片尺寸为32的倍数。

 

 BN层：引入可学习的缩放和平移参数，使得均值和方差可以调整到合适的值，通过反向传播优化参数。

Leaky Relu：增加模型的非线性特征提取能力，便于区分目标和背景。

残差模块resn：n表示包含几个res（残差块），res前面的DBL的作用为降采样，使用核为3*3，步长为2的卷积块，代替池化层。

• res结构：第一个DBL的卷积为1*1卷积块，第二个为3*3卷积块。
• add操作：将经过两次DBL操作后的数据与原始数据直接相加，不会改变张量维度。

FPN（feature pyramid network）

concat：张量拼接。将DarkNet中间层与后面的某一层的上采样进行拼接。会扩充张量的维度。

上采样：通过插值法（最邻近插值），yolov3采用的是转置卷积的方式。

通过FPN层使得输出为3个不同尺度的feature map，实现检测不同size的目标。

损失函数

包括四类：左上角坐标（x,y),(w,h),class,confidence

坐标损失函数采用均方误差（MSE），其他采用二值交叉熵（BCE）。

 二值交叉熵：处理二值分类任务。 yi为目标值，yi帽为预测值。两者越接近loss越小。

坐标采用均方误差的原因：边界尺寸为连续值，均方误差可以对连续差异提供平滑的梯度信号。

类别预测和置信度预测采用二值交叉熵的原因：这两个都是离散值，二值交叉熵可以比较预测值和真实值的二元关系，提高明确的梯度信号。   

但是源码中xy的损失函数也是采用二值交叉熵函数，效果较好。