（简洁）Yolov3详解

女爷i 2023-02-22 13:51 94阅读 0赞

原文链接：[https://blog.csdn.net/weixin\_39994739/article/details/106936139?%3E][https_blog.csdn.net_weixin_39994739_article_details_106936139_3E]

### Yolov3详解 ###

*  1.模型结构
 *  2.Yolo\_v3损失函数
 *  3.IoU算法
 *  4.Yolo\_v3的边框预测公式
 *  5.边框选择算法

# 1.模型结构 #

模型图：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ_size_16_color_FFFFFF_t_70]  
Darknet-53结构图：  
![在这里插入图片描述][20200624074621309.png]  
Yolo\_v3卷积模型结构：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ_size_16_color_FFFFFF_t_70 1]  
![在这里插入图片描述][20200624074816295.png]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ_size_16_color_FFFFFF_t_70 2]  
![在这里插入图片描述][20200624074922514.png]

# 2.Yolo\_v3损失函数 #

![在这里插入图片描述][20200624075028513.png]  
![在这里插入图片描述][20200624075041246.png]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ_size_16_color_FFFFFF_t_70 3]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ_size_16_color_FFFFFF_t_70 4]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ_size_16_color_FFFFFF_t_70 5]

# 3.IoU算法 #

IoU算法计算的是bounding box和ground truth box的交集和并集之间的比值，如图所示：  
![在这里插入图片描述][20200624075200628.png]  
bounding box与ground truth box之间按照相对位置可能出现的情况有（包含、左下、左上、右上、右下、互不相交）6种，如图1所示；通过分析图1可得：计算两个框的交集可视为计算两个集合交集，因此可以将两个框的交集的计算简化为如图2。  
图1：  
![在这里插入图片描述][20200624075231395.png]  
图2：  
![在这里插入图片描述][20200624075305464.png]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ_size_16_color_FFFFFF_t_70 6]

# 4.Yolo\_v3的边框预测公式 #

Yolo\_v3的边框预测公式采用逻辑回归（logistic regression），其公式如下：  
![在这里插入图片描述][20200624075411134.png]  
![在这里插入图片描述][20200624075443830.png]

# 5.边框选择算法 #

先将置信度低于阈值的边框过滤掉，然后按置信度从大到小排序，最后采用非极大值抑制算法NMS。  
算法举例：  
假设过滤并排序后的边框集A里有\[a,b,c,d\]，现有空集B。  
step1：抽出a加入B，然后将a与b,c,d进行对比。  
step2：首先对比两框是否同类(假设a,b,c同类)。  
step3：若同类，再进行计算IOU，若IOU大于阈值则为同一物体，则将其扔掉。（假设a与b的IOU大于阈值，a与c的IOU小于阈值，则将A里面的b扔掉，c保留。）  
step4：此时A里面还剩c,d，B里有a，重复step1-3，直到A为空为止。  
由上述的假设可得B为\[a,c,d\]，即最终得到的边框为a,c,d。

</div>
                <link href="https://csdnimg.cn/release/phoenix/mdeditor/markdown_views-60ecaf1f42.css" rel="stylesheet">
                                </div>

[https_blog.csdn.net_weixin_39994739_article_details_106936139_3E]: https://blog.csdn.net/weixin_39994739/article/details/106936139?%3E
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200624074542725.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ==,size_16,color_FFFFFF,t_70
[20200624074621309.png]: https://img-blog.csdnimg.cn/20200624074621309.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200624074730638.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ==,size_16,color_FFFFFF,t_70
[20200624074816295.png]: https://img-blog.csdnimg.cn/20200624074816295.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200624074900231.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ==,size_16,color_FFFFFF,t_70
[20200624074922514.png]: https://img-blog.csdnimg.cn/20200624074922514.png
[20200624075028513.png]: https://img-blog.csdnimg.cn/20200624075028513.png
[20200624075041246.png]: https://img-blog.csdnimg.cn/20200624075041246.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200624075051152.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20200624075101602.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20200624075121272.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ==,size_16,color_FFFFFF,t_70
[20200624075200628.png]: https://img-blog.csdnimg.cn/20200624075200628.png
[20200624075231395.png]: https://img-blog.csdnimg.cn/20200624075231395.png
[20200624075305464.png]: https://img-blog.csdnimg.cn/20200624075305464.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20200624075344138.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zOTk5NDczOQ==,size_16,color_FFFFFF,t_70
[20200624075411134.png]: https://img-blog.csdnimg.cn/20200624075411134.png
[20200624075443830.png]: https://img-blog.csdnimg.cn/20200624075443830.png