YOLO学习笔记（四）：YOLOv3

改进策略

1.多scale预测

为了能检测到不同大小的物体，借鉴特征金字塔网的思想，YOLOv3设计了三个scale（52×52；26×26；13×13），每一个scale又有三种规格的候选框，一共九种预测框，利用多尺度特征图融合后进行预测。如果使用coco数据集，其有80个类别，因此一个先验框需要80维的边框类别预测值、4个位置预测（x，y，w，h）及1个置信度预测，3个预测框一共需要3×(80+5)=255维，也就是每一个特征图的通道数。

2.网络架构

YOLOv3特征提取部分采用darknet-53网络结构代替原来的darknet-19。darknet-53的改进：

• darknet-53去掉了池化层和全连接层，全部使用卷积层。下采样使用了步长为2的卷积层。
• 为了防止过拟合，在每个卷积层之后加入了一个BN层和一个Leaky ReLU函数。
• 引入了残差网络的思想(借鉴resnet)，目的是为了让网络可以提取到更深层的特征，同时避免出现梯度消失或爆炸。
• 将网络的中间层和后面某一层的上采样进行张量拼接，达到多尺度特征融合的目的。

3.多标签分类

• YOLOv3在类别预测方面将YOLOv2的单标签分类改进为多标签分类，使用逻辑回归Logistic函数代替了softmax函数，以处理类别的预测得分。
• 原因在于，Softmax函数输出的多个类别预测之间会相互抑制，只能预测出一个类别，而Logistic分类器相互独立，可以实现多类别的预测。
  实验证明，Softmax可以被多个独立的Logistic分类器取代，并且准确率不会下降，这样的设计可以实现物体的多标签分类。
• 在YOLOv2中，算法认定一个目标只从属于一个类别，根据网络输出类别的得分最大值，将其归为某一类。然而在一些复杂的场景中，单一目标可能从属于多个类别。
• 比如在一个交通场景中，某目标的种类既属于汽车也属于卡车，如果用softmax进行分类，softmax会假设这个目标只属于一个类别，这个目标只会被认定为汽车或卡车，这种分类方法就称为单标签分类。如果网络输出认定这个目标既是汽车也是卡车，这就被称为多标签分类。

总结

YOLOv3最大的改进就是网络结构，采用darknet-53网络结构代替原来的darknet-19，使其更适合小目标检测；并且特征做的更细致，利用特征金字塔网络结构实现了多尺度检测，融入多持续特征图信息来预测不同规格物体；使用Logistic函数改进softmax函数，可以预测多目标任务。

参考：
https://blog.csdn.net/wjinjie/article/details/107509243
https://blog.csdn.net/frighting_ing/article/details/123468039