前幾天YOLOv3問世了，朋友圈也是很多同學轉發，很興奮，當然我也是。所以，先是直接上手體驗了一下darknet53，今天把paper看了，做個總結。

1. BBox Prediction

與YOLOv2一樣，YOLOv3也是在feature map上對每個位置進行bbox預測。圖中，t為預測值，但是，注意這些值都是相對當前grid的相對值，分別是(tx,ty,tw,th)。最終的預測bbox為：bx,by,bw,bh，這是在image的bbox。

其實，上面的都是和YOLOv2一樣啦(除了YOLOv2輸出的t是5個)，下面才是new version的亮點。

3個尺度的feature map

如圖，在每個detection前，尺度都不同(23x23,46x46,92x92)。這裡用到了上取樣。(可以提供更多的語義資訊和細粒度特徵)。
這裡的操作類似於FPN(feature pyramid network)。
在YOLOv3中，我們的anchor由5個變為9個，當然，也是由K均值產生的。每個尺度分配3個anchor。其中每個尺度下每個位置預測3個bbox(4個位置輸出+1個objectness+C個類別的分數)。所以每個位置輸出(1+4+C)*3個值，這也就是訓練時yolov3.cfg裡的filter的數量。這也就是每個尺度張量的深度。

2. 網路結構

53個卷積層，稱為darknet53，類似於ResNET，但速度完爆ResNET。

3. 一點問題

論文中提到YOLOv3在AP50和小目標上表現都不錯，但AP75表現就比較乏力。說明隨著IoU的升高，YOLOv3預測的bbox不能很好的與GT相重疊。