yolov3目标检测原理探究

本篇主要记录学习yolov3的原理，主要是对yolov3论文的精读。参考：同济子豪兄

一、骨干网络 DarkNet53

  yolov3的骨干网络（backbone）从yolov2的darknet19改成了darknet53，如图：前面的1x/2x代表重复这个block。输入可以是不同尺度的图像，但是必须是32的倍数，因为最后会对feature map进行32，16和8的下采样。然后输送给检测部分。

二、网络结构

255 = 3 x 85(80 + 5)
每个grid cell有三个anchor；
每个anchor有(x, y, w, h, objectiveness)五个基本参数，加上coco数据集的80个类别的条件概率信息（在假设这个框的是物体的情况下，它是猫/狗/...的概率）。
而前面则是grid cell的数量，13x13个，26x26个

  在yolov3中输出是三个尺度的，而显然，某个物体可能同时落在三个尺度的三个grid cell所产生的9个anchor，那此时，将由与ground truth的IOU最大的anchor去作拟合，这个anchor也是唯一的正样本。

三、损失函数

  yolov3中，以阈值为区分，大于某个阈值的所有的anchor中与ground truth的IOU最大的那个作为正样本，其余不参与；小于某个阈值的则直接视为负样本。

yolov3的损失函数分为3部分
1. 正样本坐标的损失
2. 正样本的置信度和类别
3. 负样本的置信度

四、yolov3论文精读

  前面也提到了。yolov3会把图像分成3个尺度，每个尺度的每一个grid cell会产生3个anchor，最后会选择这9个anchor中IOU最大的作为正样本，同时，把他的置信度设置为1，这一点是yolov3开始，因为在此前是把IOU作为置信度，但是实际效果可能是这个置信度最大才是0.7，显然，这样训练时的”激励“效果就不如把置信度设置为0要好，毕竟，这个anchor现在是唯一的正样本。另一方面，coco中的小目标IOU对像素偏移非常敏感，用IOU直接作为置信度可能达不到理想的效果。

  关于分类，yolov3也不再使用softmax，而是简单的对每一种类别进行二分类，因此，所有的概率和也不一定是1.