yolov3算法及其改进
- 1、yolov3简介
- 2、yolov3的改进
- 2.1、backbone的改进
- 2.1.1、darknet19相对于vgg16有更少的参数，同时具有更快的速度和更高的精度
- 2.1.2、resnet101和darknet53，同样具有残差结构，精度也类似，但是darknet具有更高的速度
- 2.2、FPN
- 2.3、anchor-base与grid-cell
- 3、yolov3的坐标表示和正负样本匹配
- 4、yolov3的损失函数
1、yolov3简介
- YOLOV3的实时性和精确性在当时比较好，广泛应用于工业界
- YOLOV3在backbone网络结构上应用残差连接思想来解决深度网络的梯度消失问题
- YOLOV3最显著的改进就是在三个尺度上以相同的方式来进行目标检测，这使得科技检测到不同规模的目标
- YOLOV3损失函数是将之前的softmax改为logit
- 在最后推理阶段YOLOV3对3个检测层的预测结果进行非最大抑制（NMS）来确定最终的检测结果
2、yolov3的改进
2.1、backbone的改进
yolov3主要基于darknet53进行构建，除此之外还有VGG，darknet19，resnet101，darknet53等等
2.1.1、darknet19相对于vgg16有更少的参数，同时具有更快的速度和更高的精度
- 较少的参数量：使用1x1的卷积代替了FC，同时 darknet19使用1x1的卷积进行通道缩减，而VGG使用3X3卷积，通道数几乎不变
- 较快的速度：1x1卷积的bottleneck设计也会有速
