一、yolov3論文解讀

1. yolov3實現的idea

1.1 邊界框的預測（Bounding Box Prediction）

與之前yolo版本一樣，yolov3的anchor boxes也是通過聚類的方法得到的。yolov3對每個bounding box預測四個座標值(tx, ty, tw, th)，對於預測的cell（一幅圖劃分成S×S個網格cell）根據影象左上角的偏移(cx, cy)，以及之前得到bounding box的寬和高pw, ph可以對bounding box按如下的方式進行預測：

在訓練這幾個座標值的時候採用了sum of squared error loss（平方和距離誤差損失），因為這種方式的誤差可以很快的計算出來。

yolov3對每個bounding box通過邏輯迴歸預測一個物體的得分，如果預測的這個bounding box與真實的邊框值大部分重合且比其他所有預測的要好，那麼這個值就為1.如果overlap沒有達到一個閾值（yolov3中這裡設定的閾值是0.5），那麼這個預測的bounding box將會被忽略，也就是會顯示成沒有損失值。

說一下我在應用中的事：yolov3它的訓練輪數是50200，我的資料量比較小，因此迭代到900輪的時候，每一輪訓練完顯示的損失值都是nan，其原因可能就是上邊因為閾值他直接忽略掉了這個bounding box導致沒有loss，之前的版本我使用時貌似不是這樣的。

1.2 分類（Class Prediction）

每個框預測分類，bounding box使用多標籤分類（multi-label classification）。論文中說沒有使用softmax分類，只是使用了簡單的邏輯迴歸進行分類，採用的二值交叉熵損失（binary cross-entropy loss）。

1.3 跨尺度的預測（Predictions Across Scales）

yolov3在三個(num=3)不同的尺度預測boxes，yolov3使用的特徵提取模型通過FPN（feature pyramid network）網路上進行改變，最後預測得到一個3-d tensor，包含bounding box資訊，物件資訊以及多少個類的預測資訊。論文給出是這樣子的：（N×N×[3*(4+1+80)]）這裡的80即是80類物體。

FPN接面構如下：

yolov3使用這樣的方式使得模型可以獲取到更多的語義資訊，模型得到了更好的表現。

yolov3依然使用k-Means聚類來得到bounding box的先驗，選擇9個簇以及3個尺度，然後將這9個簇均勻的分佈在這幾個尺度上。

1.4 特徵提取（Feature Extractor）

yolov3的特徵提取模型是一個雜交的模型，它使用了yolov2，Darknet-19以及Resnet，這個模型使用了很多有良好表現的3*3和1*1的卷積層，也在後邊增加了一些shortcut connection結構。最終他有53個卷積層，因此作者也把它們叫成Darknet-53。它們的結構是這樣的：

最後論文說明這個模型的優良之後還說了一句，Resnet模型後邊有太多層並且不是很有效。抱歉，我可是KaiMing的迷弟，哈哈，說的委婉一點多好。

1.5 訓練

最後論文說它們訓練的時候使用了很多方法，諸如資料增強，BN等等，具體怎麼訓練的給出了一個引用，在論文的【12】可以找到。

2. yolov3做了些什麼？

就說yolov2有個毛病就是對小物體的檢測不敏感，關鍵在於它那個cell預測時導致的毛病，而如今增加了多尺度預測之後yolov3在對小物體檢測方便有了好轉，但是現在的毛病是對中、大size的物體表現的不是那麼好，這還得需要我們去努力做。然而在論文中yolov3各種表示的還行。

3. yolov3那些嘗試過並沒有提升表現的想法

① 想對Anchor box的x，y偏移使用線性啟用方式做一個對box寬高倍數的預測，結果發現沒有好的表現並且是模型不穩定。

②對anchor box的x, y使用線性的預測，而不是使用邏輯迴歸，實驗結果發現這樣做使他們模型的mAP掉了。

③使用Focal loss，測試結果還是掉mAP。（想法的確挺好的）

4. yolov3測試表現的一些截圖

二、yolov3應用到自己的專案中

訓練自己資料之後檢測的結果：

如何使用yolov3訓練自己的資料，如何做出修改，這裡我給出一個教程文件，這個文件一步步的指示如何去製作一個VOC格式的資料集去跑yolov，需要注意的是yolov3模型結構有所改變，這個文件在資料集的製作上沒問題，但是在說如何訓練yolo？它給出的是訓練yolov2的教程，但是大差不差，可以通過上面論文解讀自己修改yolov3裡邊的引數去訓練自己的資料，就當做是一個練習吧！