[论文解读]ICCV2019|Gaussian YOLOv3: An Accurate and Fast Object Detector Using Localization Uncertainty

题目：Gaussian YOLOv3: An Accurate and Fast Object Detector Using Localization Uncertainty
作者：Jiwoong Choi , Dayoung Chun, Hyun Kim , Hyuk-Jae Lee

Motivation:
作者认为在常规的single stage目标检测网络中，分数和边框都是单独回归的，而回规的边框不确定性是没有判断的，因此引入了对边框的不确定性分数，最后在yolov3的分数基础上乘以（1-不确定性分数），得到总分。其次，采用了高斯模型来回规边框。

Method：

采用高斯模型：
$$P(y|x)=N(y|\mu (x),\sum (x))$$
因此box的预测输出变为：

边框的输出部份变为：

其中，$\mu ()$为边框的坐标，$\sum 为各坐标的不确定性$
推出损失函数：

其中，$r_{ijk}$为是否是最合适的anchor.是为1，否为0。
最终的评分为三部份的乘积：

不过作者似乎没有说明uncertanty_over具体是怎么求。
add：uncertanty_over是

的均值。

experiment:
不多说直接上图：


不过也很遗憾作者没有对比当前其它state of art 的网络。。。。。、

完结