YOLOv3
YOLOv3
一、前期知识储备
(一) YOLOv2+YOLO9000
(二) YOLOv3论文内容结构
1、Absract
(三) YOLOv3改进部分
1、loss改进
(1) 交叉熵:
(2) yoloV3的loss:
(3) yoloV1的loss
2、YOLOv3网络结构
(1)由一个11的卷积核和一个33的卷积核构成残差块,有跳层连接。每一个卷积后链接BN层和**函数
(2)多尺度预测
YOLOv1只利用了最后一个输出特征来预测信息
YOLOv3利用了三个尺度的特征来预测信息,并且进行了特征融合,每个尺寸对应不同大小的anchor
二、论文精读
(一) YOLOv3先验框(bounding box priors)
yolov1无先验框,yolov2、yolov3借鉴fasterRCNN anchor框的概念效果较好。
(二) YOLOv3网络结构
具体详情:
本地:yolov3网络结构.pdf&&yolov3.pdf