原文地址:https://zhuanlan.zhihu.com/p/...

YOLO V3网络架构

backbone：Darknet-53

网络结构解析：

  1. Yolov3中，只有卷积层，通过调节卷积步长管制输入特色图的尺寸。所以对于输出图片尺寸没有特地限度。流程图中，输出图片以256*256作为样例。
  2. Yolov3借鉴了金字塔特色图思维，小尺寸特色图用于检测大尺寸物体，而大尺寸特色图检测小尺寸物体。特色图的输入维度为 NxNx[3x(4+1+80)]， NxN 为输入特色图格点数，一共3个Anchor框，每个框有4维预测框数值 tx,ty,tw,th ，1维预测框置信度，80维物体类别数。所以第一层特色图的输入维度为 8x8x255 。
  3. Yolov3总共输入3个特色图，第一个特色图下采样32倍，第二个特色图下采样16倍，第三个下采样8倍。输出图像通过Darknet-53（无全连贯层），再通过Yoloblock生成的特色图被当作两用，第一用为通过33卷积层、11卷积之后生成特色图一，第二用为通过1*1卷积层加上采样层，与Darnet-53网络的中间层输入后果进行拼接，产生特色图二。同样的循环之后产生特色图三。
  4. concat操作与加和操作的区别：加和操作来源于ResNet思维，将输出的特色图，与输入特色图对应维度进行相加，即 y=f(x)+x；而concat操作源于DenseNet网络的设计思路，将特色图依照通道维度间接进行拼接，例如8816的特色图与8816的特色图拼接后生成8832的特色图。
  5. 上采样层(upsample)：作用是将小尺寸特色图通过插值等办法，生成大尺寸图像。例如应用最近邻插值算法，将88的图像变换为1616。上采样层不扭转特色图的通道数。
    Yolo的整个网络，汲取了Resnet、Densenet、FPN的精华，能够说是交融了指标检测以后业界最无效的全副技巧。

Loss函数

  1. \( \lambda \)为权重常数，管制检测框Loss、obj置信度Loss、noobj置信度Loss之间的比例，通常负例的个数是正例的几十倍以上，能够通过权重超参管制检测成果。
  2. \( 1^{obj}_{ij} \)若是正例则输入1，否则为0； \( 1^{obj}_{ij} \) 若是负例则输入1，否则为0；疏忽样例都输入0。
  3. x、y、w、h应用MSE作为损失函数，也能够应用smooth L1 loss（出自Faster R-CNN）作为损失函数。smooth L1能够使训练更加平滑。置信度、类别标签因为是0，1二分类，所以应用穿插熵作为损失函数。