YOLO-V3
这张图讲道理真的过分了！！！我不是针对谁，在座的各位都是
终于到V3了，最大的改进就是网络结构，使其更适合小目标检测特征做的更细致，融入多持续特征图信息来预测不同规格物体
先验框更丰富了，3种scale，每种3个规格，一共9种
softmax改进，预测多标签任务
多scale
为了能检测到不同大小的物体，设计了3个scale
scale变换经典方法
左图：图像金字塔；右图：单一的输入；
残差连接-为了更好的特征
核心网络架构
先验框设计
YOLO-V2中选了5个，这回更多了，一共有9种
1313特征图上：(116x90)，(156x198)，(373x326)2626特征图上：(30x61)，(62x45)，(59x119)
52*52特征图上：(10x13)，(16x30)，(33x23)
YOLO-V2中选了5个，这回更多了，一共有9种
softmax层替代
物体检测任务中可能一个物体有多个标签
logistic激活函数来完成，这样就能预测每一个类别是/不是
