yolov3的yolo层理解

yoloV3在经过多个卷积和上采样之后最终得到的是三个卷积结果，每一个卷积结果的长和宽分别是（13x13,26x26,52x52),深度信息是 [4(box信息)+1(物体判别信息)+80(classNum置信度)] *3(每个点上面计算几个anchor)

yolo层的作用就是对这些信息进行解码操作。首先需要明白的是yolo层对3个anchor box信息不去重，如果三个anchor 都满足条件的话都会把信息写入到输出。输出会有一个内存地址专门填写满足条件的检测框的数量信息，这里的满足条件就是在物体判别信息概率大于门限同时在类别中选择置信度最大的一个物体当作类别信息。所以每个anchor box 只负责一个类别物体的检测，当物体有重叠的时候可能检测不好，当时使用多尺度的情况下检测效果肯定不yolov1好了很多。

box的解码是通过公式获取的，

• bx = (σ(box[0]+col)/yolo.width
• by = (σ(box[1]+row)/yolo.height
• bw = e(box[2])*yolo.anchor[2k]
• bh = e(box[3])*yolo.anchor[2k + 1]

– σ 是logistic函数

在处理多batch的时候需要把每个输入的图像信息的检测信息组织到一起。