YOLO-V3的一些细节

梦里梦外; 2022-03-27 13:23 348阅读 0赞

# 1. Abstract #

YOLO的基本思想是通过多层CNN预测Bounding Box的中心（x,y）坐标及其长宽，当然也少不了类别信息，参考\[1\]。

YOLO-V3的结构/基本原理是什么样？有哪些重要的参数/概念？YOLO-V3的优点是什么？下文着重讲解。

# 2. YOLO-V3 #

## 2.1 模型结构 ##

根据YOLO-V3原创paper\[2\]的内容，YOLO-V3使用了一个含有53个卷积层的CNN作为Feature Extraction。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3liZGVzaXJl_size_16_color_FFFFFF_t_70]

由图中可见，这个CNN是由多组Conv+Conv+Residual的结构叠加而成的。其中Residual残差的原理见\[3\]。  
YOLO-V3是用Darknet框架（轻量级的类似tensorflow的框架）实现的，所以这个网络也称为Darknet-53。根据作者的对比测试，该网络性能好于其他网络。

这里https://github.com/xiaochus/YOLOv3/blob/master/model/darknet53.py有一个该模型的实现代码可供参考。

## 2.2 多标签分类 ##

为了实现多标签分类，模型不再使用softmax函数作为最终的分类器，而是使用logistic作为分类器，使用 binary cross-entropy作为损失函数。

## 2.3 多尺度预测 ##

YOLO v3从三种不同尺度的特征图谱（不同卷积层的输出）上进行预测任务，一共进行了3次预测。详见\[4\]。

## 2.4 anchor ##

anchor的唯一作用就是为了计算IOU，从而来确定正负样本\[6\]。  
yolov3-voc.cfg中这组anchor，anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326，由作者通过对VOC数据集进行KMEANS聚类得到的\[7\]。

# 3. 模型评价 #

作者在COCO数据集上对YOLO-V3进行了评价。

COCO is a large-scale object detection, segmentation, and captioning dataset.

在320×320的图像上，YOLO-V3运行速度达到了22.2毫秒。其与SSD一样准确，但速度快了三倍。

# 4. keras实现的YOLO-V3 #

YOLO-V3原作者是用Darknet框架（轻量级的类似tensorflow的框架）实现的，github上有keras的版本：[https://github.com/qqwweee/keras-yolo3][https_github.com_qqwweee_keras-yolo3]

# 5. 训练时间 #

\[8\]中给出了不同训练的实际，根据这些结果，用GPU估计也是2 weeks。

# 6. 参考 #

*  \[1\] [https://blog.csdn.net/ybdesire/article/details/81227424][https_blog.csdn.net_ybdesire_article_details_81227424]
 *  \[2\] [https://pjreddie.com/media/files/papers/YOLOv3.pdf][https_pjreddie.com_media_files_papers_YOLOv3.pdf]
 *  \[3\] [https://blog.csdn.net/ybdesire/article/details/80232457][https_blog.csdn.net_ybdesire_article_details_80232457]
 *  \[4\] [https://www.jianshu.com/p/3943be47fe84][https_www.jianshu.com_p_3943be47fe84]
 *  \[5\] [http://cocodataset.org/\#home][http_cocodataset.org_home]
 *  \[6\] [https://blog.csdn.net/u014540717/article/details/53522083][https_blog.csdn.net_u014540717_article_details_53522083]
 *  \[7\] [https://blog.csdn.net/cgt19910923/article/details/82154401?utm\_source=blogxgwz4][https_blog.csdn.net_cgt19910923_article_details_82154401_utm_source_blogxgwz4]
 *  \[8\] [https://github.com/pjreddie/darknet/issues/742][https_github.com_pjreddie_darknet_issues_742]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3liZGVzaXJl_size_16_color_FFFFFF_t_70]: /images/20220327/a8c23f160fdc40ff8b1e9425d82d22e0.png
[https_github.com_qqwweee_keras-yolo3]: https://github.com/qqwweee/keras-yolo3
[https_blog.csdn.net_ybdesire_article_details_81227424]: https://blog.csdn.net/ybdesire/article/details/81227424
[https_pjreddie.com_media_files_papers_YOLOv3.pdf]: https://pjreddie.com/media/files/papers/YOLOv3.pdf
[https_blog.csdn.net_ybdesire_article_details_80232457]: https://blog.csdn.net/ybdesire/article/details/80232457
[https_www.jianshu.com_p_3943be47fe84]: https://www.jianshu.com/p/3943be47fe84
[http_cocodataset.org_home]: http://cocodataset.org/#home
[https_blog.csdn.net_u014540717_article_details_53522083]: https://blog.csdn.net/u014540717/article/details/53522083
[https_blog.csdn.net_cgt19910923_article_details_82154401_utm_source_blogxgwz4]: https://blog.csdn.net/cgt19910923/article/details/82154401?utm_source=blogxgwz4
[https_github.com_pjreddie_darknet_issues_742]: https://github.com/pjreddie/darknet/issues/742