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