【论文阅读笔记】YOLOv3: An Incremental Improvement【未做完笔记，等弄完代码和面试后回头】

论文链接：https://arxiv.org/abs/1804.02767
作者：Joseph Redmon, Ali Farhadi
发布时间：2018年4月8日发布

---

摘要

  作者对YOLO进行了进一步更新，做了些小设计使其更好。YOLOv3比YOLOv2较大，但准确率更高。

---

引言

  该文会先展示YOLOv3的详细内容，然后告诉读者是怎么做的。再然后展示作者所尝试过却没效果的事，并告诉我们这些意味着什么。

---

The Deal

Bounding Box Prediction
  就和YOLOv2一样，使用logistic的方式：

$$b_x=\sigma(t_x)+c_x$$ $$b_y=\sigma(t_y)+c_y$$ $$b_w=p_we^{t_w}$$ $$b_h=p_he^{t_h}$$   其中， $(c_x，c_y)$是边框中心对每个格子左上角的偏离； $(p_w，p_h)$是预先设置的anchor boxes的边长；最终得到的边框坐标值是 $b_{x,y,w,h}$；而网络学习的目标是 $t_{x,y,w,h}$。
  边框预测使用的损失函数是平方和函数。

  与此同时，边框要预测一个$t_o$，用于判断置信度—–边框内含有对象的概率，使用logistic回归限制到$0~1$之间。
  和Faster RCNN不同，YOLOv2和YOLOv3的每个对象都只会有一个边框负责。

Class Prediction
  每个预测的bounding boxes使用多标签分类（在一些数据集中，如Open Images Dataset，每个对象可能有多个标签，如一个人可以标记为学生、人、女人等）。所以，在这里就不使用softmax函数了（因为这个函数会为对象指定一个唯一类别），使用多个独立逻辑分类代替（其实应该就是最后一层，每一个节点都是用sigmoid函数）。在训练时，类别预测使用二元交叉熵损失函数。
  作者发现softmax函数不是高性能的必要条件（RCNN时时使用的是多元SVM，Fast RCNN使用softmax时也说并未提高性能），所以才打算弃用softmax。

Predictions Across Scales