文章目录
对YOLO系列感兴趣的,可以跳转我另外两篇博文
DeepLearing—CV系列(八)——多类多目标物体的侦测——YOLO系列之YOLOv1算法详解与
DeepLearing—CV系列(十)——多类多目标物体的侦测——YOLO系列之YOLOv2、YOLO9000算法详解,本篇YOLOV3博文是在YOLOV1,YOLOV2的基础上所写,默认大家有了YOLO的基础。
一、YOLOv3的改进
1.1 Bounding Box Prediction(回归框预测)
YOLOv3用逻辑回归从每个bounding box里预测了是物体的得分。如果当前预测的边界框比之前其他的任何边界框更好的与 ground truth 对象重合,那它的分数就是 1。如果当前预测的边界框不是最好的,但它和 ground truth 对象重合了一定的阈值以上,神经网络会忽略这个预测。我们使用的阈值是 0.5。我们的系统只为每个 ground truth 对象分配一个边界框。如果当前的边界框未分配给相应的 ground truth