重温目标检测--YOLO v3

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

重温目标检测--YOLO v3相关推荐

yolov3网络结构图_目标检测——YOLO V3简介及代码注释（附github代码——已跑通）...
GitHub: liuyuemaicha/PyTorch-YOLOv3github.com 注:该代码fork自eriklindernoren/PyTorch-YOLOv3,该代码相比master分 ...
目标检测 YOLO v3 验证 COCO 模型
YOLO,是You Only Look Once的缩写,一种基于深度卷积神经网络的物体检测算法,YOLO v3是YOLO的第3个版本,检测算法更快更准. 本文源码:https://github.com ...
对象检测目标小用什么模型好_自动驾驶目标检测- YOLO v3 深入解析
从2016年 Joseph Redmon 发布第一代YOLO开始,YOLO已经更新四代了,凭借着在一个网络模型中完成对图像中所有对象边界框和类别预测的独特创新,成为现今使用最广泛也是最快的对象检测算法 ...
重温目标检测--YOLO v2 -- YOLO9000
YOLO9000:Better, Faster, Stronger CVPR 2017, Best Paper Honorable Mention https://pjreddie.com/darkn ...
重温目标检测--YOLO v1
You Only Look Once:Unified, Real-Time Object Detection CVPR2016 https://pjreddie.com/darknet/yolo/ Y ...
目标检测 YOLO v3 训练人脸检测模型
YOLO,是You Only Look Once的缩写,一种基于深度卷积神经网络的物体检测算法,YOLO v3是YOLO的第3个版本,检测算法更快更准. 本文源码:https://github.com ...
目标检测YOLO系列------YOLO简介
目标检测YOLO系列------YOLO简介 1.为什么会出现YOLO算法 2.YOLO算法会逐渐成为目标检测的主流吗 YOLO以及各种变体已经广泛应用于目标检测算法所涉及到的方方面面,为了梳 ...
目标检测 | YOLO系列超全讲解v1，v2，v3
前言一.YOLOv1 1. 网络结构 2. 实现方法 3. 损失函数 4. 缺点二.YOLOv2 1. 网络结构 2. 改进方法 3. YOLO9000 4. 网络训练细节三.YOLOv3 1. ...
目标检测——Yolo系列（YOLOv1/2/v3/4/5/x/6/7/8）
文章目录目标检测概述目标检测概述基础知识和术语 YOLOv1 YOLOv2 YOLOv3 YOLOv4 YOLOv5 YOLOx YOLOv6 YOLOv7 YOLOv8 对比目标检测概述目 ...

重温目标检测--YOLO v3

重温目标检测--YOLO v3相关推荐

最新文章

热门文章