yolov3的缺点_yolov3原理及其开源实现分析

下文中的开源实现以腾讯的OneDetection作为分析对象。

yolo v3基本原理：

相对于yolo v2，yolo v3做了如下改进：

更换了backbone网络，使用darknet53,没有pool层，全部使用卷积，降采样5次

使用类似于FPN的技术，融合多层特征预测

对分类和置信度使用二分类交叉熵(v1和v2全部使用MSE)

yolo v3是2018年出来的，比SSD和retinanet都要晚，在map0.5这个指标上速度比SSD和retinanet快很多。在工业应用上面map0.5已经满足使用，并且yolo v3简介，文档丰富，还有tiny版本等一些列变种。最重要的是速度非常快，比SSD和retinanet都要快。如果采用COCO mAP50做评估指标(不是太介意预测框的准确性的话)，YOLO3的表现相当惊人，如下图所示，在精确度相当的情况下，YOLOv3的速度是其它模型的3、4倍。

网络结构：

Tencent项目的yolov3网络