论文：YOLOv3: An Incremental Improvement
论文地址：https://pjreddie.com/media/files/papers/YOLOv3.pdf
YOLOV3相比YOLOV2,YOLOV1虽然在网络结构上变得更复杂，但是有了V1,V2的基础，论文还是比较好理解的，而且作者写得着实比较随意，没办法，大牛嘛。YOLOV3主要在以下几个方面有所创新：
-
1. 多尺度预测
-
2. 更好的基础分类网络
YOLOv3使用逻辑回归来预测每个bounding box的目标评分(objectness score)，当某个先验框(bounding box prior)与ground truth的IoU大于其他所有先验框时，目标评分为1。如果一个先验框和某个ground truth的IoU虽然不是最大的那个，但是IoU也大于了某个阈值，我们仍然会忽略这个先验框（既不惩罚，也不奖励），这个借鉴了Faster RCNN。对于每个ground truth只分配给IoU最好的那个先验框。如果一个先验框没有分配给任何一个ground truth，那么訪框没有坐标和分类上的损失，我们只考虑它目标评分的损失，即试图减小其objectness score。
类别预测方面使用多标签分类而非单标签分类，使用独立的逻辑回归分类器(logistic classifier)取代softmax。我想这应该也是多标签分类的需要，使用softmax的话得到的是属于某一类的概率，而一个预测框中经常有多个类别。使用逻辑回归可以针对每一个类别使用一个分类器，当大于某个阈值的时候则认为存在訪类别。训练过程中类别损失函数使用二分类交叉熵损失。
YOLOv3在3种不同的尺度上进行检测框预测。使用类似于特征金字塔网络(FPN,feature pyramid network)的思想，系统在这3种尺度上提取特征。这3种尺度我在下图中已经给出了，分别是13x13,26x26和52x52。仍然使用k-means聚类的方式来选择先验框(Anchor Boxes)，最张在每种尺度上有3种先验框。这样虽然一个网络单元上只有3种先验框，而YOLOv2有5种先验框，但是因为YOLOV3有3种尺度，所以实际上YOLOv3的先验框要多很多。
用于特征提取的基础网络这块，新的网络结构融合了YOLOv2，Darknet-19和最新的残差网络(Res-Net)。残差网络的引入很明显的作用就是让网络可以变得更深了。