目标检测算法之YOLOV3

本博客中YOLO系列均为个人理解笔记，欢迎评论指出理解有误或者要讨论的地方

YOLOV3模型相比于v2来说，实质性的改进并不大，更多的是一些技术的堆叠。其并不像yolov2对于v1一样，由巨大的改变和提升。

其相对于yolov2，改变在于：
1） Yolov3模型骨干网络发生了改变。
其并没有继续用v2的骨干网络DarkNet-19，而是改变为了Darknet-53.而网络深度增加也对提升效果做出了贡献。
注意：我们发现拥有152层的resnet效果还不如53层的darknet-53？？其实对比两个模型我们可以发现，两个模型大体上类同，区别就在于resnet中实现了最大池化下采样操作，而在本backbone中没有用，不知道是不是这个原因？？

2）在YOLOV2中，作者对v1中每个特征方格预测2个框的方法进行了修改，用聚类的方法确定scale和比例尺寸，由此来决定每个特征方格预测多少框。但是在v3中，仍然采用1：1，1：2，2：1三种尺寸来预测三个框。

看完改变后，下面看v3的整体结构图：
V3网络一共会产生三个特征输出层，对应尺寸分别是13，26，52. 然后不同尺寸的特征层可以对应预测不同大小的目标，大的自然预测小目标，小的自然预测大目标。在上面每一个像素点上生成 3 * （4 + 1 + 80） 因为coco数据集是80类别的。

最终是根据1*1卷积层来生成预测输出的。将该卷积依次划过每一块方格，都会生成3种比例的anchor。但是，要记得，此时输出的四维回归参数不是和faster rcnn或者ssd一样，相对于anchor的偏移量，而是相对于该方格左上角的偏移量，因此在最终位置预测公式上，需要做出相对修改。这和v2是一致的。

有了模型架构，也知道最终生成多少框，那么我们现在要计算损失，就需要正负样本，V2,V3中正负样本的选择：

1）我们计算生成的框和真实框的IOU值，大于某一阈值的作为正样本待选样本
2）看物体中心点在哪个方框内，那么这个方框内的三种anchor谁的IOU大于阈值，谁就是正样本。
其实也可以看作，先看物体中心点属于哪一个方格，然后看该方格的三个anchor框与物体的IOU值，大于阈值的都是正样本。

v2v3中损失的计算：
和v1一样，由三部分组成。置信度损失，类别损失，回归参数损失，但是计算方法可大不相同。

1）置信度损失，这个其就是二至交叉熵损失函数

2）类别损失 也是二值交叉熵损失

3）回归参数损失 这个就需要根据我们公式，计算原理一致，但是公式稍稍不同，因为这里CX和cy不是anchor的原坐标，而是方格左上角坐标，所以还是减一下，得到真实偏差，然后和预测偏差做loss 均方误差 MSE

到这里，v3的重点就结束了，其实对于一个模型来说，我们最基本要知道和明白的就是：模型的结构，模型输入什么，模型输出什么，怎么选择正负样本计算loss，如何计算loss。