DAY25 深度学习-卷积神经网路-Yolo v3

今天介绍一下Yolo v3，
首先在v3中使用了darknet-53的架构，架构如下图:

相比v2的darknet-19，卷积层有53层，全连结层同样不保留，速度和19相比较慢，但准确率有提升。

然後是yolo v3的架构图:

黄色部分是darknet-53，然後最後输出了3种特徵图，没有全连结层就代表不会限制输入图片尺寸，上图以256x256为例子。

并且darknet-53中使用的了残差模型(Resnet)，也就是Residual的部分，和v1中提到的方法类似，随着网路层数的加深，有些特徵可能会变得微弱甚至消失，所以会将前面的特徵图加入，避免这样的情况。

v3总共有9个不同大小的Anchor Box，平均分配到3个输出特徵图，而预测的东西不变，举上图的第一个输出为例，8x8x255有64格，每格有三个Anchor Box，而每个Anchor Box预测t~x~，t~y~，t~w~，t~h~，t~o~，前4个为预测框的数值，最後1个是置信度，然後预测80个类别，所以结果就是8x8x3(anchor boxes)x(5+80)。

主要和v2不同地方就这些，好水好水:)
资料来源中有更多资讯可以去观看。

资料来源:https://zhuanlan.zhihu.com/p/76802514