【论文阅读笔记】YOLOv3: An Incremental Improvement

YOLOv3: An Incremental Improvement

• （一）论文地址：
• （二）核心思想：
• （三）DarkNet-53：
• （四）Class Prediction：
• （五）Predictions Across Scales：
• （六）实验结果：

（一）论文地址：

https://arxiv.org/abs/1804.02767

（二）核心思想：

‘Sometimes you just kinda phone it in for a year, you know?’

作者说他一年大部分时间去刷 Twitter 了，然后玩了（play around）一阵子 GAN，正好剩下一点时间，就改进了一下 YOLO 算法，提出了 YOLO v3；

（作者有点皮呀）

（三）DarkNet-53：

作者在 DarkNet-19 的基础上加入了残差结构，使得它在 ImageNet 上的表现跟 ResNet-101 相差无几，但是处理速度却快得多；

（四）Class Prediction：

这里由于 YOLO 使用了多层 label，因此使用了 Logistic 回归和 binary cross-entropy 损失函数；

（五）Predictions Across Scales：

这里每个区域使用了 3 个不同大小的 Anchor，其余设置跟 YOLO v2 相同；

并且作者使用了跟 FPN 相似的特征金字塔进行预测，共选出了 3 个特征层去针对不同大小的物体，这三个特征层大小分别为：13，26，52；

（六）实验结果：

（非常快😀）

来源：CSDN

作者：Memory逆光

链接：https://blog.csdn.net/weixin_44936889/article/details/104390227