前段时间将yolov1和yolov2学习了一下，这段时间一直在看yolov3的论文和源代码，yolov2速度和精度还算可以但是不足以用于工业上，但是yolov3的精度和速度都有很好的提升，并且得到很广泛的应用，现如今也有非常多的工业仍然在使用yolov3，可见其重要性。接下来谈谈我对yolov3这篇论文的理解。
参考资料：yolov1论文笔记_crlearning的博客-CSDN博客
YOLOv2论文笔记_crlearning的博客-CSDN博客
论文地址：https://pan.baidu.com/s/14azVbNgRpYn_uIG00DO8mQ 提取码: 6666
源码地址：https://pjreddie.com/yolo/
目录
1、摘要
yolov3这篇论文与v1v2是同一个作者，但由于实时监测技术的快速提高，大多用于军工类导致更多的战争，作者表明并不是其本意并表示yolov3是其最后更新的一次。所以在这篇论文当中作者仅仅写了5面的内容，其中很多没有讲的很详细，很多细节需要大家从源码当中去了解。
yolov3在原来的基础上做出一些改进，使用了更大的模型，让yolov3能够与其他高精度的检测模型达到相同精度，但是速度快三倍，如SSD。
2、创新点
2.1、边界框预测
在yolov2当中提到预测边界框使用了聚类anchors，并预测偏移量而不是yolov1当中整个坐标值，yolov3论文再一次提到了该预测计算方式，其中还提到对每个bbox进行评分，如果bbox与真实框（有些博文称为GT，ground truth）的重叠率是最大的，则分数为一，若不是最大，且没有超过一定的阈值，则抛弃该bbox，这样不会导致坐标的损失。
2.2、类别预测
yolov3抛弃了使用softmox作为多分类器，使用logistic classifiers，计算损失时使用二分类交叉熵损失函数，主要原因是因为在大数据集上，一种物体的种类可能是重叠的，比如哈士奇它是一只狗，但他属于狼狗。而softmax要求每个种类相互独立分布，所以在大数据集上并不适用，作者使用二分类来处理。
2.3、多尺度预测
yolov3中的anchor使用3个不同的尺度，系统从这些尺度中提取特征，采用FPN（特征金字塔网络）概念，网络模型如下图：
三个红色预测头的对应三个维度的输出，在yolov2当中，输出只有一个13 x 13的维度，在yolov3中，作者提出多尺度预测，就是分别针对大中小物体使用不同的输出，在yolov2中提到，卷积越深，信息丢失可能越多，所以使用FPN的方式，进行上采样concat原来的数据 能够大幅度保留细小的信息，这也方便对小目标进行预测。
yolov2中使用的5个anchor，yolov3使用聚类出9个anchor分别为：(10×13),(16×30),(33×23)，(30×61),(62×45),(59×119),(116 × 90),(156 × 198),(373 × 326)。
2.4、特征提取器
主干网络采用Darknet53，包含53层卷积，与yolov2中的darknet19对比，darknet53步幅为2的卷积层替代池化层进行特征图的降采样操作，这样可以有效阻止由于池化层导致的低层级特征的损失。对比其他网络，Darknet53对比其他网络有非常高的精度并且也有相对高的速度。
3、实验结果
作者在实验中表示，如果将IOU提升到一定阈值后，继续增加导致性能显著下降，这说明yolov3很难使得box与对象完全对齐，并且yolov3使用多尺度预测后对小目标的ap提高了很多，但是对中等和较大目标的性能相对较差。
作者也是用了一些技巧但是模型并没有得到相应的提高，第一，使用线性模型直接预测x，y偏移量而不是使用logistic，这会使得map降低。第二，使用focal loss也会使得map降低。
