1.闲言
作者说yolov3相当于是一篇技术报告，因为他还有很多别的烦心事要去干。所以yolov3相当于是在原始yolo版本的基础上，集成现有的先进技术进行改良。不过从业界反映来讲，还是很不错的。这就是说有的人随随便便就做出了其它人一辈子也做不出来的事。但是这篇论文更大的意义在于，让我们停一停、想一想，What This All Means! 换句话说，这将为人类社会带来什么？在历史前进的道路上，大神们为这辆车发明了轮子，而我们负责推着它往前走。但是如果前面是一个大火坑呢？你还要继续推吗？大神已经明确的表示 I quit！所以论文是这么结尾的 We owe the world that much！或许每个人都不应该自私的觉得，技术只是用来糊口的工具而已。就如在日本侵华战争期间，有良知的人就不能说我是为了养家糊口而背叛自己的国家和人民。我不知道存在于人类之外的那双手(或者说不止一双)，他对于我们有着什么样的计划。我也摒弃那些书本上所写的内容，所谓的文明与发展(只是为了让人们用更多的时间来傻乐吗？)。或许有很多冥冥之中不可控的因素，但是对于我来说唯一会去做的就是，不沦为不义者的工具！这是作为一个无奈的小人物最后的坚守，向每一个坚守良知的人致敬！
2.yolov3
对于yolov3来讲，最重要的两点应该就是darknet53和FPN
1.darknet53
darknet53是基于darknet19设计的一套网络结构，首先从网络结构上我们看到darknet53就相当于是darknet19和resnet的结合体一样。
下面反映出了darknet53的效果，较19来说其速度大幅度下降，但是准确率提高了3个百分点，这是一件很了不起的成就，而且其速度也是远远高于实时检测的需要的。较resnet来说，两者的准确率可谓是相差不大，但是速度比resnet整整提高了1倍。所以从模型堪用的角度来讲，这无疑是一种优秀的网络结构设计。
2.FPN
FPN是另外一篇单独的论文，此处的网络设计正好体现出来FPN的思想，所以我们解释一下相关的知识。我们都知道在YOLOV2会有所谓的passthrough layer,这一层将最后一次池化之前的特征26*26和最后输出的特征13*13进行拼接，然后进行输出。但是这种拼接是有局限性的，简陋的，输入图像离特征图距离还是较远。FPN将这种高低层信息融合的思想发挥到了极致，如下图我们看到fpn会将高层的信息进行上采样，然后和低层的特征进行融合。这个低层的特征就有了更多的语义信息。并且最后这三层都会有着对应的输出。
我们知道yolov3会先聚类出原始9个anchor的尺寸，(10×13),(16×30),(33×23),(30×61),(62×45),(59× 119),(116×90),(156×198),(373×326)。将尺寸大小进行排列，越是高层的特征图拥有更大的尺寸，每一层对应着3种尺寸。
3.性能
我们看出yolov3整体上修改的地方是较少的，但是目前在市场上占主流的地位，足以说明模型的优秀程度。下图反应了yolov3实测的效果，在保持高准确率的前提下，我们看到在速度这一点上他已经将其它的网络远远的甩在了后面。当然yolov3并不是十全十美的，当IOU的阈值在0.5-0.95之间的时候，他的准确度会下降。但是人家也解释了，对于人类的肉眼来说0.5的iou和0.3的iou差异是非常小的。既然大家都看不出来，那么一味地追求高iou意义其实并不是很大。
3.总结
本文中介绍了yoloV3相对于v2进行的修改，重新设计了darknet53网络，并且借鉴了FPN的思想进行特征融合。理解起来比较简单。大家共勉。跟V3的作者一样，我也有很多烦心的事情需要去处理，但是我并不会退出图像界，也不会退出AI圈。当然，并不是因为我对AI有多么的热爱，而是，因为像我这样的小角色似乎还配不上退出二字。
一首阿姆的lose yourself共勉，珍惜出现在自己眼前的每一个机会，仰望星空、脚踏实地......
Look, if you had one shot, or one opportunity
To seize everything you ever wanted, one moment
Would you capture it or just let it slip?
Eminem-Lose Yourself第一首奥斯卡奖说唱歌曲，电影《8英里》的主题曲，也是格莱美最佳说唱歌曲