[原创]YoloV3创新点总结

读了YoloV3的论文，相对V2变化不大，创新点有三个。

1、backbone使用darknet53，网络更深包括53层卷积，为避免梯度消失使用的resNet shortcut连接

2、在预测阶段，借鉴了FPN(Feature Pyramid Network)使用3个尺度的特征map，小的特征map提供语义信息，大的特征map体更细粒度信息。小的特征map通过上采样和大尺度做融合。

3、不在使用soft max损失函数而是使用sigmod+ 交叉熵函数，从而可以支持多标签的预测

遇到问题：

  1、 测试模型效果是程序core dump了，提示错误：

   *** Error in `./darknet': free(): invalid next size (fast): 0x000000000341ac10 ***

解决办法：

       YoloV3版本中定义的class的地方有三处，训练时只修改了最后一处，把其他两处的class和filter同样修改后，重新训练，问题解决。

 

参考链接：

https://blog.csdn.net/sum_nap/article/details/80568873

https://blog.csdn.net/qq_17550379/article/details/79702274

https://blog.csdn.net/bigbug_sec/article/details/79739133