[D25] 物件侦测(6)

终於来到要介绍 YOLOv3 的时候了！
YOLOv3 和前两个版本没有太多的不同，是以 YOLOv2 模型为基础做优化的版本。

YOLOv3

YOLOv3 使用了 Residual Network：Darknet-53 网路架构，Darknet-53 有 53 个卷积层，随着网络层数不断加深（数量级从 20～30 层到～50 层），YOLOv3 采用了一般类神经网路加深时常用的 ResNet 结构来解决梯度问题，可以更加精准的辨识小物件。

从图上很明显可以发现 YOLOv3 的运行速度远远超过使用的 M40 / 泰坦X GPU 同等性能的其他检测方法！

YOLOv3 在改善部分使用了 FPN 网路（Feature Pyramid Networks）

FPN：是一个**多层级**的预测架构，特徵层从单层的 13 x 13 变成了多层的 13 x 13、26 x 26 、52 x 52 以提升小物体预测能力。
从单层预测 5 种 anchor box 变成每层 3 种 anchor （共 9 种） 。

使用 FPN 的架构可以让低层较佳的目标位置和高层较佳的语义特徵融合，并且在不同特徵层独立进行预测，使得小物体检测改善效果十分明显！

分类

这里可以特别提一下 YOLOv3 的 Class prediction，在 YOLOv3 里，不是使用 softmax 分类，而是使用 independent logistic classifiers ！

softmax 是用单标签多分类的方式，在上图中只能分类出 ＂人类＂和＂狗＂。
但使用 independent logistic classifiers 除了可以分类出人和狗，还可以细分出＂男人＂和＂女人＂。

图片来源1
图片来源2
论文