YOLOv3: An Incremental Improvement

水深无声 2022-09-03 10:28 129阅读 0赞

### YOLOv3: An Incremental Improvement ###

![image-20210806222429258][]

### 文章目录 ###

*   *   *  YOLOv3: An Incremental Improvement
         *   *  参考
             *  Introduction
             *  The Deal
             *   *  Bounding Box Prediction
                 *  Class Prediction
                 *  Predictions Across Scales
                 *  Feature Extractor（DarkNet53）
             *  Things We Tried That Didn’t Work
             *  Performance

#### 参考 ####

*  [目标检测|YOLOv2原理与实现(附YOLOv3)][YOLOv2_YOLOv3]
 *  [一文看懂YOLO v3][YOLO v3]
 *  [YOLO9000: Better, Faster, Stronger][YOLO9000_ Better_ Faster_ Stronger]

#### Introduction ####

*  YOLOv3这个模型真的可谓是‘家喻户晓’，我当年入坑就是用的这个模型～现在回过头来看这个模型，又有些理解，回到模型本身，YOLOv3大致结构可以用下图表示，这是一张非常经典的图：
 *  ![20190329210004674.png][]
 *  主要有两点：
    
     *  backbone部分用的是DarkNet53，引入了ResNet的残差结构
     *  模型整体采用FPN思想，卷积三个阶段的输出进行检测（feature map的大小深度不同，因此可以检测到不同尺寸的obj）

#### The Deal ####

##### Bounding Box Prediction #####

*  这部分沿用了YOLOv2部分，这里就放张图，同时可以参考我的上一篇：[YOLO9000: Better, Faster, Stronger][YOLO9000_ Better_ Faster_ Stronger]
    
     *  ![be475173683353f08ca92f29c0642e68.png][]
     *  
     *  ![fc825bdb781aa0fc8b5bc7641ebe80c3.png][]
     *

##### Class Prediction #####

*  这里作者提出一个问题：每个框使用多标签分类预测边界框可能包含的类。
    
     *  因此此时使用softmax就不合适（因为它会假设每个框正好有一类，但事实通常并非如此（重叠目标，或者大框包小框））
     *  we simply use independent logistic classifiers，作者用独立的逻辑回归分类器替代，loss用的交叉熵

##### Predictions Across Scales #####

*  上面提到YOLO引入FPN，在卷积的三个阶段都引出一个feature map用来检测，因此有三个scale（尺度）
    
     *  而每个scale都tensor的长度为： N × N × \[ 3 ∗ ( 4 + 1 + 80 ) \] N × N × \[3 ∗ (4 + 1 + 80)\] N×N×\[3∗(4\+1\+80)\]，其中4=box参数，1=是否有对象，80=类别个数

##### Feature Extractor（DarkNet53） #####

*  它长这样：
    
     *  其实就是一堆卷积池化拼成的类，不同是每个模块引入的残差机制用于防止模型退化
     *  ![dec5924111797d87a6df4a766f01330c.png][]
     *

#### Things We Tried That Didn’t Work ####

*  作者认为没啥用的trick
 *  Anchor box x, y offset predictions
    
     *  作者认为 b x = σ ( t x ) + c x b y = σ ( t y ) + c y b\_x= \\sigma(t\_x) + c\_x \\\\ b\_y= \\sigma(t\_y) + c\_y bx=σ(tx)\+cxby=σ(ty)\+cy这个公式降低了模型的稳定性，效果不太好
 *  Linear x, y predictions instead of logistic.
    
     *  作者尝试使用线性激活直接预测x，y偏移，而非逻辑激活。这导致了mAP几个点的下降（Leaky ReLU替代Sigmoid？）
 *  Focal loss
    
     *  作者尝试使用Focal loss。mAP大约掉了2个点。
     *  作者认为YOLOv3可能已经对Focus loss试图解决的问题具有鲁棒性，因为它有单独的对象性预测和条件类预测。
        
         *  但是我们在实践中发现并不是这样的，在检测密集目标的时候仍然会有正负样本不平衡的问题，因此Focal loss在某些情况下依然有效

#### Performance ####

*  给张图：
    
     *  ![3bb479c970b12d4e322febc12a411185.png][]
     *

[image-20210806222429258]: /images/20220829/220fbe8bddc8442480acf1a4d8d71977.png
[YOLOv2_YOLOv3]: https://zhuanlan.zhihu.com/p/35325884
[YOLO v3]: https://blog.csdn.net/litt1e/article/details/88907542
[YOLO9000_ Better_ Faster_ Stronger]: https://blog.csdn.net/symuamua/article/details/119459201
[20190329210004674.png]: /images/20220829/b4da7d6363264d9185e0c9c099e1e5e2.png
[be475173683353f08ca92f29c0642e68.png]: /images/20220829/1704969571a1478090d1c615c9c09cb0.png
[fc825bdb781aa0fc8b5bc7641ebe80c3.png]: /images/20220829/aaa2d3e9a4dd4de8834bcace75774c5a.png
[dec5924111797d87a6df4a766f01330c.png]: /images/20220829/ad8ebafea8f046de809d68e872361fb2.png
[3bb479c970b12d4e322febc12a411185.png]: /images/20220829/a38189d19a474b379627ae61a751310c.png