重温目标检测--YOLO v3

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://cloud.tencent.com/developer/article/1436557

YOLOv3: An Incremental Improvement

https://pjreddie.com/yolo/

本文是对 YOLO系列的进一步完善。

先上和其他检测算法的 COCO 对比结果

2.1. Bounding Box Prediction

和 YOLO v2 一样，这里我们采用了 dimension clusters as anchor boxes 来预测矩形框坐标，这一部分基本没有改变

2.2. Class Prediction

在进行类别预测时，我们没有采用 softmax 而是采用了 independent logistic classifiers， 主要是因为有时类别之间有重叠overlapping labels (i.e. Woman and Person)， A multilabel approach better models the data.

2.3. Predictions Across Scales

多尺度特征图上进行检测，这里我们借鉴 FPN 在 3个不同尺寸特征图进行检测

我们仍然使用 k-means 聚类来选择 bounding box priors。 We just sort of chose 9 clusters and 3 scales arbitrarily and then divide up the clusters evenly across scales. On the COCO dataset the 9 clusters were: (10×13),(16×30),(33×23),(30×61),(62×45),(59×119),(116 × 90),(156 × 198),(373 × 326).

2.4. Feature Extractor

这里我们设计了一个新的网络 Darknet-53，计算量比 Darknet-19 要大，但是性能更强

在 ImageNet 上不同网络结构的 精度和运算量 对比

2.5. Training

我们没有采用 hardnegativemining 或其他手段。采用了 multi-scale training, lots of data augmentation, batch normalization, all the standard stuff.

3 How We Do

In terms of COCOs weird average mean AP metric it is on par with the SSD variants but is 3× faster

4 Things We Tried That Didn’t Work

我们也尝试了一些思路，但是效果不是很好，这里也介绍了一下。

1）Anchor box x,y offset predictions

2）Linear x,y predictions instead of logistic

3）Focal loss

4）Dual IOU thresholds and truth assignment

总结一下主要改进的地方：

1）v3替换了v2的softmax loss 变成logistic loss，而且每个ground truth只匹配一个先验框。

2）v2作者用了5个anchor，v3用了9个anchor，提高了IOU

3）使用 多尺度特征图检测，这一步对小目标检测的提升最大

4）设计了 Darknet-53

虽然 Darknet-53 的计算量是 Darknet-19的两倍，但是 BFLOP/s （billion floating point operations per second） 却相差不太多