YOLO v3学习笔记

前言

前面学习了YOLO v1和v2，今天终于可以看完了YOLO v3论文，作者的第三篇YOLO论文可以说是写的非常随意，一些表达看得英语水平不是很高的我也是一脸懵逼。本来看完论文对YOLO v3的结构不是很清晰，作者也没有在文章中清楚地给出，不过后来看了一个博客的结构示意图（博主使用的网络可视化工具是：Netron），再结合先前看的基于pytorch实现的YOLOv3，对它的结构清晰了许多。
YOLO v3论文地址：https://arxiv.org/abs/1804.02767

YOLO v3

作者在YOLO v3上使用了比YOLO v2更深的网络结构作为特征提取，作者称他为：Darknet-53，虽然它比v2的Darknet-19层数更深、参数更多，所以它的检测速度没有v2那么快，但是据实验结果发现，它的检测速度还是能够达到real time 的要求的，而且检测精度比v2有了一定的提升。
相比v2，v3不仅对特征提取网络进一步的加深，而且通过上采样的操作，在网络中输出不同大小的特征图，这思想有点像特征金字塔，从而实现多尺度特征的提取。

Bounding Box Prediction

v3和v2一样，先使用聚类得到9个不同的先验anchor boxes，不过v