前言¶

昨天稍微填上了YOLOv2损失函数的坑，然后我在知乎关注了一个有趣的问题，地址是：https://www.zhihu.com/question/357005177 。 这是我在上面写的一个回答：

因此，这一节我们只用关注YOLOv3算法本身，训练的时候将它的损失函数认为和YOLOv2一样就好，Darknet以及很多开源代码都是这样来做的。

算法原理¶

YOLOv3应该是现在YOLO系列应用的最广泛的算法了，基本就很少有人做工程还用V2了。而YOLOv3的算法原理也很简单，就引入了2个东西，一个是残差模型，一个是FPN架构。FPN我们已经介绍过了，推文在这：目标检测算法之FPN 残差结构后面梳理经典网络的时候应该会再介绍一遍。

残差模型Darknet-53¶

YOLOv3在YOLOv2提出的Darknet-19的基础上引入了残差模块，并进一步加深了网络，改进后的网络有53个卷积层，命名为Darknet-53，网络结构如下：

同时为了说明Darknet-53的有效性，作者给出了在TitanX上，使用相同的条件将$256\times 256$的图片分别输入到以Darknet-19，Resnet-101，以及Resnet-152以及Darknet-53为基础网络的分类模型总，实验结果如下表：

从结果来看，Darknet-53比ResNet-101的性能更好，而且速度是其1.5倍，Darknet-53与ResNet-152性能相似但速度几乎是其2倍。同时，Darknet-53相比于其它网络结构实现了每秒最高的浮点数计算量，说明其网络结构可以更好的利用GPU。

YOLOV3结构¶

一张非常详细的结构图，其中YOLOv3有三个输出，维度分别是: $(batchsize,52,52,75)$ $(batchsize,26,26,75)$ $(batchsize,13,13,75)$ 这里的75介绍过，代表的$3\times (20+5)$，其中20代表的是COCO数据集目标类别数，5代表的是每个目标预测框的$t_x,t_y,t_w,t_h,t_o$，3代表的是某一个特征图的Anchor，也即先验框的数目。所以YOLOv3一共有9个Anchor，不过被平均分在了3个特征层中，这也实现了多尺度检测。。。一不小心就讲完了？

多尺度检测？¶

上一节讲完了。。。总结一下，YOLOv3借鉴了FPN的思想，从不同尺度提取特征。相比YOLOv2，YOLOv3提取最后3层特征图，不仅在每个特征图上分别独立做预测，同时通过将小特征图上采样到与大的特征图相同大小，然后与大的特征图拼接做进一步预测。用维度聚类的思想聚类出9种尺度的anchor box，将9种尺度的anchor box均匀的分配给3种尺度的特征图。

补充：YOLOv3-Tiny¶

或许对于速度要求比较高的项目，YOLOV3-tiny才是我们的首要选择，这个网络的原理不用多说了，就是在YOLOv3的基础上去掉了一些特征层，只保留了2个独立预测分支，具体的结构图如下：

这个是工程下更加常用的。

后记¶

YOLOv3和YOLOv3-Tiny就讲完了，感觉就是水文，后面有机会就更新一下如何使用NCNN部署YOLOv3或者YOLOv3-tiny模型，如果我还记得住这件事情的话，哈哈。顺便说一句，目标检测系列的讲解还远远没有结束，不信可以看我公众号work那一栏里面的深度学习里的目标检测学习路线，还有超多坑需要慢慢填！！！如果看到这里，不妨在右下角点个在看吧，谢谢。

欢迎关注我的微信公众号GiantPadaCV，期待和你一起交流机器学习，深度学习，图像算法，优化技术，比赛及日常生活等。