本文介绍了YOLOv3在YOLO系列中的改进，包括采用Darknet-53网络结构增加深度，利用特征金字塔进行多尺度预测，并用logistic替换softmax进行分类。此外，还讨论了损失函数的变化以及YOLOv3在工程实践中的优势。
前言
1.本文重点是了解YOLOv3在之前两篇的基础上做了哪些改进，尽量用较少篇幅表达清楚论文算法，其他一些不影响理解算法的东西不做赘述
2.博客主要是学习记录，为了更好理解和方便以后查看，当然如果能为别人提供帮助就更好了，如果有不对的地方请指正（论文中的链接是我经过大量搜索，个人认为讲解最清楚的参考）
创新点
1.使用特征金字塔思想在三个尺寸的特征图上分别预测
2.用logistic代替softmax作为分类器
YOLOv3
YOLOv3相对于之前的YOLOv1和YOLOv2做了一些改进，但是相对于目标检测来说没有什么创新，但这不影响它在工程算法中的地位。主要改进的地方有基础网络、多尺度特征图预测、logistic代替softmax以及置信度和类别概率部分损失函数改用二分类交叉熵
1.网络结构
提取特征的基础网络，YOLOv3采用了Darknet-53，借鉴了Resnet的残差块，相对于YOLOv2的Darknet-19增加了网
最低0.47元/天 解锁文章
333
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
