YOLO V3

版权声明：本文为博主原创文章，未经博主允许不得转载

论文：YOLOv3: An Incremental Improvement

链接：https://arxiv.org/abs/1804.02767

第三方代码：https://github.com/qqwweee/keras-yolo3

 

 

---

嗯，好吧好吧，大神的论文就是随性。

进入正题，作者先是提到了Bounding box Prediction：

bounding box的坐标预测还是沿用了YOLO V2的做法，损失也是原来的平方误差损失。

 

Unlike [17] our system only assigns one bounding box prior for each ground truth object. If a bounding box prior is not assigned to a ground truth object it incurs no loss for coordinate or class predictions, only objectness.

 

Class Prediction：

简单来讲就是原来的单标签分类改进为多标签分类，文章中很好地解释了，复杂的数据下，一个object可能属于多个类，比如同时有woman和person两个标签，softmax强加了这么一个假设，每个框只有一个类，那么就需要逻辑回归层对每个类别做二分类，经过sigmoid输出的结果大于某阙值，那么就属于该类。

 

Predictions Across Scales：

YOLO V3多个scale融合做预测，类似于FPN。

从上采样的特征中获取更有意义的语义信息，并从早期的feature map中获取更细粒度的信息

 

bounding box的初始尺寸还是沿用了YOLO v2中的k-means聚类的方式来做，尺寸是根据输入大小的图像计算得到的。

 

Feature Extractor：

全卷积网络，模型训练方面还是采用原来YOLO V2的multi-scale training。

 

实验结果对比图：

 

作者谈到了过去的YOLO 对于小目标检测效果很差，在多尺度融合预测的方式下，APs performance 明显提高了，不过中等和大尺度的object效果较差，需要更多的调查。

 

 

Things We Tried That Didn’t Work：