iou画 yolov3_YOLOv3详解

Figure 1. YOLOv3目标检测

文章组织

1. 什么是YOLO？

2. 一个全卷积神经网络——Darknet-53

3. 解释输出

4. 锚框和预测

5. 边界框维度

6. 目标分数和类置信度

7. 不同尺度的预测

8. 输出处理(在类分数上通过一个阈值过滤)

1. 什么是YOLO

YOLO是“You Only Look Once”的简称，它虽然不是最精确的算法，但在精确度和速度之间选择的折中，效果也是相当不错。YOLOv3借鉴了YOLOv1和YOLOv2，虽然没有太多的创新点，但在保持YOLO家族速度的优势的同时，提升了检测精度，尤其对于小物体的检测能力。YOLOv3算法使用一个单独神经网络作用在图像上，将图像划分多个区域并且预测边界框和每个区域的概率。

2. 一个全卷积神经网络——Darknet-53

YOLOv3仅使用卷积层，使其成为一个全卷积网络(FCN)。文章中，作者提出一个新的特征提取网络，Darknet-53。正如其名，它包含53个卷积层，每个后面跟随着batch normalization层和leaky ReLU层。没有池化层，使用步幅为2的卷积层替代池化层进行特征图的降采样过程，这样可以有效阻止由于池化层导致的低层级特征的损失。Darknet-53网络如下图左边所示。

Figure 2. Darknet-53结构图

3. 解释输出

输入是

。输出是带有识别类的边界框列表，每个边界框由

六个参数表示。如果

表示80个类别，那么每个边界框由85个数字表示。

在YOLO中，预测过程使用一个

卷积，所以输入是一个特征图。由于使用

卷积，因此预测图正好是特征图大小(

卷积只是用于改变通道数)。在YOLOv3中，此预测图是每个cell预测固定数量的边界框。

如上图所示，预测图的深度为75，假设预测图深度为

，

表示每个