現在來仔細理解下yolov3這個網路細節。
目標檢測的經典網路有yolo和ssd，還有今天要記錄的yolov3。
yolo：將一張圖劃分為眾多個小格仔，每個小格仔檢測到一種物體，並**兩個bounding box,問題是當小格仔內的物體眾多時，yolo很可能會漏檢。
ssd：不太適合檢測小物體，vgg19限制了輸出大小為38x38。
yolov3：當下取樣越大，resolution越小，感受野越大，越不容易檢測到小物體。yolov3可以檢測到三個尺度（小，中，大）的物體。
下面來看yolov3。
框架
yolov3的backbone是darknet-53（53個卷積層），其中n為下取樣次數。
darknet_53= conv3x3 + sum_(下取樣 conv3x3_步長為2 + n x darknetblock)darknetblock（含2層卷積）= conv1x1 + conv3x3 + residual1 + (1 + 1 x 2 ) + (1 + 2 x2) + (1 + 8 x 2) + (1 + 8 x 2) + (1 + 4 x 2) +全連線= 53個卷積層。
yolov3採用了類似ssd網路的mul-scales策略，使用3個scale在這裡插入**片（13x13，26x26，52x52）的feature map進行**。
有別於yolov2，這裡作者將每個grid cell**的邊框數從yolov2的5個減為yolov3的3個。最終輸出的tensor維度為n × n × [3 ∗ (4 + 1 + 80)]。其中n為feature map的長寬，3表示3個**的邊框，4表示邊框的tx,ty,tw,th，1表示**的邊框的置信度，80表示分類的類別數。
和yolov2一樣，anchor的大小作者還是使用kmeans聚類得出。在coco資料集上的9個anchor大小分別為：(10× 13); (16× 30); (33× 23); (30× 61); (62× 45); (59×119); (116 × 90); (156 × 198); (373 × 326)
其中在yolov3中，最終有3個分支輸出做**，輸出的特徵圖大小分別為13x13，26x26，52x52，每個特徵圖使用3個anchor：
13x13的特徵圖使用(116 × 90); (156 × 198); (373 × 326)這3個anchor
26x26的特徵圖使用(30× 61); (62× 45); (59×119)這3個anchor
52x52的特徵圖使用(10× 13); (16× 30); (33× 23)這3個anchor
在yolov3裡面,前向傳播過程中，張量的尺寸變換是通過改變卷積核的步長來實現的，比如stride=(2, 2)，這就等於將影象邊長縮小了一半(即面積縮小到原來的1/4)。在yolov2中，要經歷5次縮小，會將特徵圖縮小到原輸入尺寸的1/32。若輸入為416x416，則輸出為13x13(416/32=13)。
yolov3也和yolov2一樣，backbone都會將輸出特徵圖縮小到輸入的1/32。所以，通常都要求輸入是32的倍數。
類別**方面主要是將原來的單標籤分類改進為多標籤分類
因此網路結構上就將原來用於單標籤多分類的softmax層換成用於多標籤多分類的邏輯回歸層。首先說明一下為什麼要做這樣的修改，原來分類網路中的softmax層都是假設一張影象或乙個object只屬於乙個類別，但是在一些複雜場景下，乙個object可能屬於多個類，比如你的類別中有woman和person這兩個類，那麼如果一張影象中有乙個woman，那麼你檢測的結果中類別標籤就要同時有woman和person兩個類，這就是多標籤分類，需要用邏輯回歸層來對每個類別做二分類。邏輯回歸層主要用到sigmoid函式，該函式可以將輸入約束在0到1的範圍內，因此當一張影象經過特徵提取後的某一類輸出經過sigmoid函式約束後如果大於0.5，就表示屬於該類。
bounding box的座標**方式還是延續了yolo v2的做法
簡單講就是下面這個公式，tx、ty、tw、th就是模型的**輸出。cx和cy表示grid cell的座標，比如某層的feature map大小是13x13，那麼grid cell就有13x13個，第0行第1列的grid cell的座標cx就是0，cy就是1。pw和ph表示**前bounding box的size。bx、by。bw和bh就是**得到的bounding box的中心的座標和size。座標的損失採用的是平方誤差損失。
在目標檢測任務裡，有幾個關鍵資訊是需要確定的:(x,y),(w,h),class,confidence 。根據關鍵資訊的特點可以分為上述四類，損失函式應該由各自特點確定。最後加到一起就可以組成最終的loss function了，也就是乙個loss function搞定端到端的訓練。
YOLO v3 網路結構分析
最近在看tensorflow，沒有經過實踐的學習總感覺很心虛，因此打算做點什麼。所以，那就從yolo入手吧，將yolo v3改寫為tensorflow版本來進行練手。那第一步便是需要對yolo網路結構有一定的理解，不能像之前僅僅用yolo訓練資料然後檢測目標那樣浮於表面。整個網路主要是由一系列的1x...
yolov3檢測人頭 基於yolo v3的人臉檢測
一 實驗環境的搭建 1.安裝環境配置 python 3.6 tensorflow gpu 1.6.0 keras pillow opencv python matplotlib numpy 沒有通過pip安裝 例如 pip install keras 2.啟動虛擬環境，並且安裝對應的實驗環境 3.模...
yolov3系列 零 yolov3詳解
目標檢測演算法與efficientdet講解 論 文 翻譯 yolov3主頁 yolo系列的目標檢測演算法可以說是目標檢測史上的巨集篇巨作，v3演算法是在v1 v2基礎上形成的，先看下 yolov1 yolov2 下圖為yolov3的網路結構 dbl darknetconv2d bn leaky 是...