要点:
スリー YOLO v3
3.1 Darknet-53(バックボーン)
3.2 オブジェクト境界ボックスの予測
予測される境界ボックスの中心を現在のセル、s ( x ) = Sigmoid( x ) に制限します。
3.3 陽性サンプルと陰性サンプルのマッチング
3.4 損失の計算
3.4.1 信頼性の損失 (バイナリ クロス エントロピー)
このうち、 予測ターゲット境界ボックスと実際のターゲット境界ボックスを表すIOU c は予測値であり、シグモイド関数を通じてcによって取得される予測信頼度であり、 Nは正と負のサンプルの数です。
3.4.2 カテゴリ損失 (バイナリ クロス エントロピー)
3.4.3 クラスの損失
3.4.4 定位損失
3.5 YOLOv3 SPP
3.5.1 モザイク画像の強調
3.5.2 SPPモジュール
異なるスケールの機能融合を実現します。
注:ここでのSPP は、SPPnetのSPP構造、空間ピラミッドプーリングとは異なり