yolov3论文阅读

在yolo上做改进,精度和SSD 持平但是速度快三倍

1.bounding box prediction

学yolo9000，用聚类方法生成anchor的尺寸。做标准换方法也和yolo9000一样。这个bounding box的conf即含物体的概率是用的逻辑回归，每个gt只指定一个prior box为正，即最大的那个。如果不是正的那分类和回归都不用算loss，只是是否为物体算loss

2.class prediction:

用很多独立的sigmoid来换一个softmax

3.prediction across scales:

我们每个cell产生3个box，80分类。所以最后一层N*N*(3*(4+1+80)).我们采用fpn的结构，用9个框三个比例(10×13),(16×30),(33×23),(30×61),(62×45),(59×119),(116 × 90),(156 × 198),(373 × 326).

4.feature extractor:

从网络结构上看，相比Darknet-19网络使用了残差单元，所以可以构建得更深。,darknet-53比resnet101好并且速度是他的1.5倍。

5.training

没用nms,用了multi-scale训练，数据增广，bn,在小物体上效果比其他的好很多

6.无效尝试 

- 用线性函数激活代替逻辑函数激活，预测坐标x,y，导致mAP下降 

- Focal Loss技术，也导致2个点的下降；这可能因为YOLO不存在Focal loss要解决的问题——大量损失来自于类别不平衡的问题。

-正负样本用两个IOU_thre隔开

从yolov1-yolov2-yolov3的总结：

从YOLO的不断改进中可以得出，做目标检测时，使用anchor技术，采用全卷积进行预测，使用残差链接以及利用多尺度特征图作预测能贡献很好的性能提升； 
而对于one-stage方法，它们想要一步到位，直接采用“RPN”网络作出精确的预测，因此，要在网络设计上做很多的tricks。YOLOv2的一大创新是采用Multi-Scale Training策略，这样同一个模型其实就可以适应多种大小的图片了。

1）存在的问题

• YOLO 精度还有待提升,可能是稀疏采样的问题，所以应该添加更多的trick来弥补稀疏采样的不足
• YOLO不能更加精确地定位问题，即不能很好地预测高iou的框

2）受到的启示

• YOLO的速度在于它的稀疏采样（如YOLOv1才7*7*2=98个区域采样），但是这样导致性能不如密集采样的一些网络要好，所以可以想方法提高区域采样准确性
• YOLO的定位可能取决于前面卷积网络的特征提取，所以应该构建一种针对这种稀疏采样的卷积神经网络结构。

参考博客：

https://blog.csdn.net/mingshili/article/details/80270388#%E4%BA%8Cyolov2