论文源址：https://pjreddie.com/media/files/papers/YOLOv3.pdf

代码：https://github.com/qqwweee/keras-yolo3

摘要

本文针对YOLO再次改进，训练更大的网络，准确率也有所提高。在320x320的输入上YOLOv3运行22ms，mAP为28.2，与SSD的准确率相同，但比SSD快三倍。在使用0.5 IOU作为检测机制时，YOLOv3仍表现很好。在Titan X上实现57.9 AP50 51ms的运行，而RetinamNet为57.5 AP50运行198ms，YOLOv3要快3.8倍。

The Deal

bounding box 的预测：沿袭YOLO9000的方式，仍采用维度聚合的方式。网络预测每个bounding box的四个坐标，tx,ty,tw,th。如果单元格偏离图像左上角(cx,cy)，而且先验框的宽和高为pw,ph，这预测的值为：

训练时，选择平方误差损失的和，预测坐标对应的真值为，梯度计算是真值减去预测值，通过翻转上述式子，可以得到真值的值。YOLOv3通过使用逻辑回归预测每个bounding box的目标分数。如果一个先验框与ground truth 的重合率要比其他先验框都要多，则该框的目标分数应为1.对于与ground truth中目标有重叠超过阈值（本为设置为0.5），但不是最好的先验框，将此预测进行移除。如果一个先验框没有一个ground truth与之匹配。则没有类别和坐标的预测损失。只有是否存在目标的损失描述。

类别预测：使用多类别的分类器对每个框内可能包含的类别进行预测分类。YOLOv3并未使用softmax，只是使用独立的逻辑回归分类器。训练时，采用二元交叉熵损失进行类别的预测。当面向更复杂的情况时（开放的数据集，此数据集中存在大量重叠的标签），此方法会有所帮助，而使用softmax基于每个box只包含一个类别的假设，并不实用，而使用多标记的方法可以更好的描述数据。

不同尺寸的预测： YOLOv3预测三种不同的尺寸。YOLOv3采用类似于FPN网络类似的结构提取多尺寸特征。在基础的特征提取层后添加了基层卷积层。最后预测了一个三维张量，编码bounding box，objectness和类别的预测。COCO中每种尺寸预测三个框，因此张量为NXNX[3*(4+1+80)],分别代表4个坐标，1个objectness及80个类别的预测。取前两层的feature map将其上采样扩大至2倍，然后将采样后的feature map与更靠前的feature map进行拼接。通过上采样可以获得更多的语义信息，提取靠前层的feature map可以获得图像的细节信息。最后，添加一些卷积层来处理拼接后的feature map，并对此张量进行预测，当前的尺寸扩大。重复此方法，对最后一种尺寸进行预测。第三种储存预测的结果结合了先前的计算（相当于微调后的feature map）。

仍采用k-means剧烈确定先验框，任意选择9个簇及3种尺寸。在COCO数据集上得到的9个先验框为(10×13),(16×30),(33×23),(30×61),(62×45),(59× 119),(116×90),(156×198),(373×326).

特征提取：使用全新的网络进行特征提取。基于YOLOv2的网络将，Darknet19与残差结构进行结合。包含一系列的3x3与1x1的卷积夹杂着残差连接，网络规模变大，叫做Darknet-53。

Darknet-53比Darknet-19高效，同时，比resnet-101,resnet-152更快。比较结果如下。

实验比较

 实验失效的方案：

（1）Anchor box x,y offset predictions

（2）Linear x,y predictions instead of logistic.

（3）Focal loss.

（4）DualIOUthresholdsandtruthassignment.

Reference

[1] Analogy. Wikipedia, Mar 2018. 1

[2] M. Everingham, L. Van Gool, C. K. Williams, J. Winn, and A. Zisserman. The pascal visual object classes (voc) challenge. International journal of computer vision, 88(2):303– 338, 2010. 6

[3] C.-Y. Fu, W. Liu, A. Ranga, A. Tyagi, and A. C. Berg. Dssd: Deconvolutional single shot detector. arXiv preprint arXiv:1701.06659, 2017. 3

[4] D. Gordon, A. Kembhavi, M. Rastegari, J. Redmon, D. Fox, andA.Farhadi. Iqa: Visualquestionansweringininteractive environments. arXiv preprint arXiv:1712.03316, 2017. 1

论文阅读笔记三十二：YOLOv3: An Incremental Improvement的更多相关文章

  1. 论文阅读笔记（十二）【CVPR2018】：Exploit the Unknown Gradually: One-Shot Video-Based Person Re-Identification by Stepwise Learning

    Introduction (1)Motivation: 大量标记数据成本过高,采用半监督的方式只标注一部分的行人,且采用单样本学习,每个行人只标注一个数据. (2)Method: 对没有标记的数据生成 ...

  2. 论文阅读笔记五十二：CornerNet-Lite: Efficient Keypoint Based Object Detection（CVPR2019）

    论文原址:https://arxiv.org/pdf/1904.08900.pdf github:https://github.com/princeton-vl/CornerNet-Lite 摘要 基 ...

  3. 论文阅读笔记三十六：Mask R-CNN（CVPR2017）

    论文源址:https://arxiv.org/pdf/1703.06870.pdf 开源代码:https://github.com/matterport/Mask_RCNN 摘要 Mask R-CNN ...

  4. 论文阅读笔记三十：One pixel attack for fooling deep neural networks（CVPR2017）

    论文源址:https://arxiv.org/abs/1710.08864 tensorflow代码: https://github.com/Hyperparticle/one-pixel-attac ...

  5. 论文阅读笔记四十二：Going deeper with convolutions (Inception V1 CVPR2014 )

    论文原址:https://arxiv.org/pdf/1409.4842.pdf 代码连接:https://github.com/titu1994/Inception-v4(包含v1,v2,v4)   ...

  6. 论文阅读笔记三十九：Accurate Single Stage Detector Using Recurrent Rolling Convolution（RRC CVPR2017）

    论文源址:https://arxiv.org/abs/1704.05776 开源代码:https://github.com/xiaohaoChen/rrc_detection 摘要 大多数目标检测及定 ...

  7. 论文阅读笔记三十八：Deformable Convolutional Networks（ECCV2017）

    论文源址:https://arxiv.org/abs/1703.06211 开源项目:https://github.com/msracver/Deformable-ConvNets 摘要 卷积神经网络 ...

  8. 论文阅读笔记三十五：R-FCN:Object Detection via Region-based Fully Convolutional Networks（CVPR2016）

    论文源址:https://arxiv.org/abs/1605.06409 开源代码:https://github.com/PureDiors/pytorch_RFCN 摘要 提出了基于区域的全卷积网 ...

  9. 论文阅读笔记三十四：DSSD: Deconvolutiona lSingle Shot Detector（CVPR2017）

    论文源址:https://arxiv.org/abs/1701.06659 开源代码:https://github.com/MTCloudVision/mxnet-dssd 摘要 DSSD主要是向目标 ...

随机推荐

  1. Spring重温(一)--Spring快速入门

    1.spring官网(https://repo.spring.io)下载依赖jar. 2.配置spring环境时还需要commons-logging相关jar. 3.打开eclise创建一个工程,并将 ...

  2. SQL操作json类型数据的函数

    MySQL5.7之后对json数据格式进行了函数支持 Json_contains(字段名, '值') 1.表中json格式的某个字段 2.json里的某个键值 Json_search(字段名, 'on ...

  3. Pycharm 2018 Activation code 在线激活

    1. 下载官方 pycharm https://www.jetbrains.com/pycharm/download/ 2. 点击获取激活码 点击获取激活码 2.1 打开  hosts 文件 2.2  ...

  4. mvc5怎么给所有action都设置几个公用的ViewBag

    最近开发项目中遇到这样的问题,因为有多个同步的页面,所以需要在多个同步页面上有相同的值返回回来,经过一系列的思维,我们把思维整理出来. public ActionResult Index() { Vi ...

  5. Deep Learning Tutorial - Multilayer perceptron

    Multilayer perceptron:多层感知器 本节实现两层网络(一个隐层)作为分类器实现手写数字分类.引入的内容:激活函数(双曲正切.L1和L2正则化).Theano的共享变量.grad.f ...

  6. Shell-自动建立全国城市

    Code: #!/bin/bash function mkdirFun() { if [ ! -d $1 ];then mkdir -p $1 fi } filename=city1.txt date ...

  7. 很清晰的解读i2c协议【转】

    转自:https://blog.csdn.net/weixin_41718085/article/details/79376823 转载:http://dpinglee.blog.163.com/bl ...

  8. XAF 框架中，自定义参数动作（Action），输入参数的控件可定义，用于选择组织及项目

    XAF 框架中,如何生成一个自定义参数动作(Action),输入参数的控件可定义? 参考文档:https://documentation.devexpress.com/eXpressAppFramew ...

  9. 解决MySQL报错ERROR 2002 (HY000)【转】

    今天在为新的业务线搭架数据库后,在启动的时候报错 root@qsbilldatahis-db01:/usr/local/mysql/bin# ./mysql ERROR 2002 (HY000): C ...

  10. RDLC系列之一 简介和入门

    一.简介 RDLC报表,通过Report Viewer Control来实现,制作微软RDLC报表由以下三部分构成:1.制作自己的DateSet集合(就是报表的数据集):2.制作自己的报表文件.rdl ...