yolo v3研究ノート
1.yolov3の改善
1.1ターゲット分類がソフトマックスからロジスティックに変更されました
分類にsoftmaxを使用する場合は、カテゴリが互いに独立していて、カテゴリに属しているかどうかを前提とする必要があります。ただし、公開データベースの一部のデータには、人物と女性のタグが付けられており、現時点ではソフトマックスを使用することは適切ではありません。この問題を解決するために、著者は2つの分類のクロスエントロピー損失を分類に使用します。
1.2マルチスケール機能マップを使用した予測
著者はまた、クラスタリングアルゴリズムを使用して、境界ボックスの次元をクラスター化します。yolov3では、著者が使用するクラスターの数は9で、小、中、大スケールの特徴マップに対応しています。アプリオリボックスのサイズは( 10×13);(16×30);(33×23);(30×61);(62×45);(59×19);(116×90);(156×198);(373× 326)。
1.3ネットワークの改善
yolov2では、ネットワークはdarknet-19を構築するためのvggネットワーク構造に基づいています。yolov3では、著者はresnetのクロスレイヤー接続構造を参照して、より深いdarknet-53を構築しています。