YOLOV3
为什么叫 53 ：因为有53个卷积，最后一个全连接层也算！
这里是convolutional其实是conv+BN+leakyRElu
这里的黑色框是个残差结构类似于这样：
yolov3 由聚类算法生成了9 个 bounding box ，最后分别生成三个特征图，每个特征图份三个
（下面这个图还是不错的 ）
这里的虚线就是bounding box
关于正负样本的理解；首先对于每个Ground truth box都被分配一个bounding box 。和GT box重合度最大的bounding box 是正样本。设置一个阈值 假如大于0.5 ，但又不是最大，那么我们把它舍弃，小于0.5的都是负样本。对于 丢弃的 bounding box只有 confidence 这个损失。
原文提到了逻辑回归，用到了二值交叉熵损失。
蓝色框代表bounding box（锚框，聚类生成）
绿色 是grond truth box
黄色 是预测框
每种特征图，中每一个 grid 都有3个 bounding box
