简单介绍一下YOLOv3的原理

yolov3借鉴残差网络思想，将darknet53作为主干网络，精度与resnet101、resnet152差不多，还有着更快的速度。

网络特征如下：

1. 使用大量残差跳层连接；
2. 使用步长为2的卷积实现下采样，并舍弃池化；
3. 引入了类似FPN的多尺度特征融合，加强了小目标检测能力；
4. concat操作将特征图经过上采样后与前面层的输出进行融合，提高小目标检测精度；
5. 输出为置信度、坐标信息，分类信息三个部分。

整个框架可划分为3个部分：分别为Darknet-53结构、特征层融合结构（上图concat部分）、以及分类检测结构(上图未画出)。

网络过程如下：

给一张图像x（大小：416×416）输入到Darkenet-53的backbone网络结构，进行一系列的卷积以及残差网络提取特征，分别得到原图像1/8（大小：52×52）、1/16（大小：16×26）、1/32的特征图（即feature map）；接下来将3个特征图进行特征融合（concat），以获得更强的特征表现力，从而达到更好的效果；最后，为了使特征图变成相同大小，中间需要进行上采样及下采样，然后进行堆叠、融合机相应的卷积等操作后，得到最终的3个特征层，即13×13×255（Y1）、26×26×255（Y2）、52×52×255（Y3），这3个特征图恰好分别为原图像x的1/32、1/16、1/8.