YOLOv3_論文學習

YOLOv3: An Incremental Improvement

• 1 Abstract
• 2 Introduction
• 3 The Deal
• • 3.1 Bounding Box Prediction
  • 3.2 Class Prediction
  • 3.3 Predictions Across Scales
  • 3.4 Feature Extractor
  • 3.5 Training
• 4 How We Do
• 5 Things We Tried That Didn’t Work
• 總結

這篇文章讀下來，作者似乎有一點點疲倦了，從他的預期中似乎有一點點英雄垂暮之感。可能是我誤會了吧，讓我們一起來看看。

1 Abstract

模型更大了，效果也好，但還是很快的。

2 Introduction

• 感歎自己沒怎麼做研究，這次再YOLO做了一點改進，同時也幫了别人一點忙
• 似乎是因為他要引用YOLO的一些更新，沒有文章來源，是以寫了這篇技術報告
• 會講YOLOv3做了啥，怎麼做，沒有改進的一些嘗試，以及思考這一切意味着什麼。

3 The Deal

大多是受到别人好點子的啟發。訓練了一個更好的分類網絡，從頭介紹整個系統友善了解。

3.1 Bounding Box Prediction

• 輸出方式與YOLOv2一樣
• 在訓練時是使用sum of squared error loss
• 使用邏輯回歸預測每個目标的分數【這個不是很清楚，重疊程度最大的未1？覆寫未超過門檻值的，體跳過，而不是每一個groundtruth都預測一個，這樣的話就不會産生類别誤差】

3.2 Class Prediction

• 不需要softmax
• 直接使用獨立的邏輯分類器
• 訓練時對類别的預測使用binary cross-entropy loss

好處是：在出現重疊标簽時，上述方法更好，因為softmax會預設一個框隻有一個類

3.3 Predictions Across Scales

• 在三個不同的尺度預測
• 利用類似于特征金字塔網絡的概念
• N ×N ×[3∗(4 + 1 + 80)] for the 4 bounding box offsets,1 objectness prediction, and 80 class predictions.
• 從前兩層提取特征圖，上采樣變成兩倍，之後與更早的特征圖在一起處理，然後在這個特征圖做相似的預測
• 再用該方法預測了一次

重點注意：

We still use k-means clustering to determine our bound-ing box priors. We just sort of chose 9 clusters and 3 scales arbitrarily and then divide up the clusters evenly across scales.

我們仍然使用k-均值聚類來确定我們的包圍盒先驗。我們隻是随意選擇了9個叢集和3個尺度，然後在尺度上均勻地劃分這些叢集。在求解anchorbox時應該考慮尺度！！！

3.4 Feature Extractor

• darknet53
• 更大了，連續使用3 * 3，1 * 1和一些short cut

3.5 Training

• 多尺度訓練
• 資料增強（旋轉之類的）
• 批正則化

4 How We Do

• 效果很好，與SSD相當，但是更快
• 小尺度表現好，但中尺度和大尺度效果差了點

  

  

5 Things We Tried That Didn’t Work

說不好，但是有沒有深入分析

• Anchor box x, y offset predictions.

  使用線性激活将x，y偏移量預測為框寬或框高的倍數【不是很懂】，不穩定，效果不佳

• Linear x, y predictions instead of logistic，map表現不好
• Focal loss
• Dual IOU thresholds and truth assignment：fastrcnn用的，在這裡效果不好

總結

這篇更多是作為一篇技術報告，感覺主要的創新是在于：模型更深，多尺度訓練，以及像一些類别預測方式的更改，總體來說沒有2的創新大，主要是一些小改進吧。

在後面，作者是對技術發展進行了相應的思考：技術不斷突破的同時，也應該思考如何讓技術向善發展