本文共 1523 字，大约阅读时间需要 5 分钟。

论文地址：

项目地址：

0x00 Foreword

今天看到YOLOv3发布的信息，第一个反应就是，我×，我之前的模型还没有训练好，现在又出来一个(T_T)。

不过我对于YOLOv3的发布还是很激动的，因为我之前和大多数人一样，对于single-stage报以很小的期望了，但是今天的YOLOv3让我又重新对于single-stage有了新的看法。

0x01 Abstract

关于Bounding Box的预测。同样使用在YOLO 9000中的维度聚类，找到最好的boxes的高宽。与传统的K-means聚类方法不同，作者使用的不是欧氏距离，而是使用的下面这种

• $d(box, centroid) = 1 - IOU(box, centroid)$

这样做的目的是，使error和box的大小没有关系。

至于坐标预测计算也都是和YOLOv2相同。

关于种类的预测，没有使用softmax，而是使用了sigmoid。这种做法，对于重叠标签的数据会有所帮助（例如一个女性的图像，会标注女和人两个标签）。

关于多尺度。作者参考了FPN的设计。作者在特征提取网络后增加了几个卷积层，最后预测一个包含三种信息的张量（bounding box，目标和目标种类）。对于不同尺度使用三个anchor box进行预测。对于刚才说的网络的倒数第二层做上采样。从网络的前面部分获取特征图，使其和上采样后的特征图融合。然后添加卷积层处理融合后的特征图。这种做法避免了SSD中的细粒度信息的损失。

作者尝试了，通过预测常规方法的anchor box进行预测目标的位置，但是这种做法降低了模型的稳定。尝试通过线性激活函数代替logistic激活函数，结果也不是很好。尝试使用Focal loss，但是同样失败。

0x02 网络结构

作者此次将网络的深度增加到了53层，称为Darknet-53。

这个网络比之前的Draknet-19强大了许多，但是任然逊色于ResNet-101和ResNet-152。

YOLOv3虽然在精度上要比FPN FRCN低一些，但是速度上却快上很多，同时它无论是速度上还是精度上都超越了RetinaNet系列。

总的来说，YOLOv3并不像之前的YOLO系列那样给我一种惊艳的感觉，这次带给我们更多的是一些激励，速度快的网络它的精度也可以很不错。

0x03 cfg文件分析

卷积层

[convolutional]batch_normalize=1filters=32size=3stride=1pad=1activation=leaky

这个不必多说什么，如果各位看过我之前写的应该不会有太大问题。

跳转层

[shortcut]from=-3activation=linear

这个是YOLOv3中新添加的。它的第一个参数from=-3表示shortcut层的结果有它的前面一层和前面第三层的输出相加得到，这种设计就是参考了resnet。

route层

[route]layers = -4

这同样是之前YOLOv2中的设计，它现在保留了下来。如果layers后面的参数只有一个的话，那么表示表示该层输出为之前第四层的特征图。（负号表示该层之前多少层，正号就表示对应的层数）

而如果layers后面的参数有两个的话，表示两个参数对应的层数（按深度叠加）后的输出。

上采样层

[upsample]stride=2

双线性上采样前面一层特征图。

后续我会对网络进行一些测试^_^！！！

如有问题，希望大家指出，谢谢各位！！！

转载地址：https://coordinate.blog.csdn.net/article/details/79702274 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！