文章目录
- 1. Backbone Darknet-53
- 2. 整体架构
- 3. 损失函数
- 4. 训练过程
- 5. 预测过程
YOLOv1、YOLOv2都是在CVPR这种正规的计算机视觉学术会议上发表的正式学术论文。
YOLOv3不算一篇严谨的学术论文，是作者随笔写的技术报告。
YOLOv3性能：
1. Backbone Darknet-53
YOLOv3在v2的基础上，更换了骨干网络，将Darknet-19替换为了Darknet-53。
性能对比：
2. 整体架构
输入为416*416大小的图像。输出3个尺度的feature map，分别为 13 × 13 × 255 ， 26 × 26 × 255 ， 52 × 52 × 255 13\times 13\times 255，26\times 26\times 255，52\times 52\times 255 13×13×255，26×26×255，52×52×255。
三个尺度，分别输入图像划分为 13 × 13 ， 26 × 26 ， 52 × 52 13\times 13，26\times 26，52\times 52 13×13，26×26，52×52个grid cell。
13 × 13 13\times 13 13×13下采样32倍， 26 × 26 26\times 26 26×26下采样16倍， 52 × 52 52\times 52 52×52下采样8倍。
13 × 13 13\times 13 13×13的感受野对应原图上的感受野就是 32 × 32 32\times 32 32×32。
13 × 13 13\times13 13×13负责预测大物体， 26 × 26 26\times26 26×26负责预测中等大小物体， 52 × 52 52\times52 52×52负责预测小物体。
255怎么来的呢？
3 × ( 5 + 80 ) = 255 3\times (5+80)=255 3×(5+80)=255。其中3：每个grid cell生成3个anchor，每个anchor对应一个预测框，每个预测框有5+80个参数，5：(x,y,w,h,c)，80：coco数据集80个类别的条件类别概率 。
3. 损失函数
在yolov3中，如果一个anchor和ground-truth的IoU最大，那么它就是正样本。如果它和ground-truth有一
部分IoU，但是不是最大的，那么这些框则忽略掉。如果某个anchor和ground-truth的IoU小于阀值，它则为负样本。
4. 训练过程
5. 预测过程
