yolov3核心网络模型

1. 改进概述

yolov3主要围绕核心网络Darknet优化进行。

yolov3的速度和map值比之前的算法优秀。

改进包含：网络结构、特征融合、先验框： V1 =2, V2=5,V3=9、Softmax等。
softmax

2. 多scale方法改进与特征融合

3. 经典变换方法

预测中目标时，将预测的结果2626的与 将1313的结果上采样变成26*26的，两个进行融合。

4. 残差连接方法对比

resnet：
如果从19层变成56层，效果变差了，19-56层之间有好的，有坏的。按两条路走，如果20层和21层，学习效果差，则将该层舍弃，令输出=x, 使得网络效果至少不比原来差。

5. 整体网络架构模型分析

没有池化层和全连接层，通过stride=2来下采样

6. 先验框改进

注意理解 1313385的意义。 （3 代表3种框，85=4+1+80）



1313 上先验框大，52*52上最小。

7. Softmax改进

其他知识点

感受野

在卷积神经网络中,感受野(Receptive Field)是指特征图上的某个点能看到的输入图像的区域,即特征图上的点是由输入图像中感受野大小区域的计算得到的

Softmax

一文详解Softmax
有没有将各个输出节点的输出值范围映射到[0, 1]，并且约束各个输出节点的输出值的和为1的函数呢？

当然，这个函数就是Softmax函数。