YOLO V3详解

YOLO 第三版并没有特别突出的创新之处，主要是基于YOLO第二版进行了一些改进。

1.类别预测

        一个目标可能具有多个类别标签，各个类别之间不一定是互斥的。比如，橘子也是一种水果，同时还是一种食物，对于这样的目标来说，几个类别标签都正确的。YOLO第三版采用logistic分类器(逻辑回归)代替了softmax分类器，在训练过程中，使用了交叉嫡损失。
本质上，YOLO第三版采用多个二分类器代替一对多分类器，实现了对一个目标多个类别标签的判定。

2.使用多尺度特征

        YOLO第三版在特征图上的每个位置使用3个锚，在一个N×N大小的特征图上，需要预测的参数数量为NxN×3×(4+1+n _class)，其中3表示3个锚，4表示4个坐标，1表示是否框中目标的置信度，n_class表示需要回归的类别概率。
        为了使算法具备更好的多尺度检测能力，YOLO第三版借鉴了FPN的思想。假设第一个用于检测的特征图是网络的第n层，在网络较浅的位置取第m层，m<n，第m层的尺寸大于第n层的尺寸，具有更细节的特征表达能力，对第n层的特征图进行上采样，使得上采样后的特征图和第m层的特征图具有相同的尺寸，然后把第m层特征图和上采样后的特征图对齐位置“摞”在一起(进行concat操作，与FPN的elementwise add操作有所区别)，构成第2个特征图。新的特征图融合了深层和浅层特征，具备更好的多尺度表达能力。利用类似的方法，可以选取更浅层的特征图构造第3个特征图。分别基于这3个特征图进行预测，能够得到更好的多尺度目标检测效果。

3.使用残差结构网络

        YOLO第三版借鉴了ResNet结构，也设计了一个残差网络Darknet-53，如图所示，使得整个网络更容易训练。

论文还提到了一些实验 

4. Things We Tried That Didn’t Work  

      我们在开发YOLOv3的时候尝试了很多东西。很多方法都不起作用。这是我们能记住的东西。

        Anchor box x, y offset predictions. 我们尝试使用普通的锚盒预测机制，其中你使用线性激活来预测x，y偏移为盒子宽度或高度的倍数。我们发现这个公式降低了模型的稳定性，而且效果不是很好。 

         Linear x, y predictions instead of logistic. 我们尝试使用线性激活来直接预测x，y的偏移量，而不是逻辑激活。这导致了mAP值下降了几个百分点。

        Focal loss. 我们尝试使用焦点损失。它使我们的mAP下降了大约2%。YOLOv3可能已经对焦点损失试图解决的问题具有鲁棒性，因为它有独立的客观性预测和条件类预测。因此，对于大多数例子来说，类别预测没有损失吗？还是什么？我们不太确定。

        

         

        Dual IOU thresholds and truth assignment. Faster RCNN在训练过程中使用了两个IOU阈值。如果IOU>0.7，作为一个积极的例子，[0.3−0.7]它被忽略，对于IOU<0.3，这是一个消极的例子。我们尝试了类似的策略，但没有取得好的结果。         

        我们很喜欢我们目前的公式，它似乎至少是在一个局部最优的状态。这些技术中的一些最终可能会产生好的结果，也许它们只需要一些调整来稳定训练。