。
YOLOV1解讀：(https://blog.csdn.net/qq_33948796/article/details/88538940) YOLOV2解讀：(https://blog.csdn.net/qq_33948796/article/details/88561542)目錄：
①前言
②YOLOV3論文翻譯
1、引言
2、YOLOV3内容
2.1 Bounding Box Prediction
2.2 類别預測
2.3 多尺度預測
2.4 網絡結構
③ 總結
④主要參考
正文開始：
① 前言
首先介紹一下YOLO整個系列的算法思路：通過卷積神經網絡對 input image 提取特征，很多層，每個層都得到一定尺寸的 feature map。比如YOLOV2輸入 416x416 分辨率的時候，最後一層的輸出是 416/32=13，13X13。然後将輸入圖像分成 13x13 個網絡格子。然後如果 ground truth中的某個目标的中心點落在哪個格子裡面，該格子就負責預測這個目标。每個 grid cell 預測的 bounding boxes的數目的一定的（YOLOV1的數目是2，YOLOV2的數目是5，YOLOV3的數目是3，但是這幾個 bounding boxes 的初始大小不一樣）。而固定數量的 bounding boxes裡面哪一個才真正的來預測目标呢？論文中是這樣處理的：這幾個bounding boxes 裡面與 ground truth 的 IOU最大的那個才是真正用來預測該 object。一個次元是最後的特征圖，如 YOLOV2的 13x13，還有一個次元是深度，是 B*(5+C)。這邊 B 是每個格子的預測框數，5 代表框的坐标和置信度，C表示預測的類别數。YOLOV1，YOLOV2，YOLOV3裡面的 B 和 C是不一樣的，詳細可以參考我前面的部落格。 這邊給出三個網絡結構圖，主要參考：這位大牛的。
YOLOV1的網絡結構圖：
：
② YOLOV3論文翻譯
摘要
emmmmmm.....不重要，跳！
1、引言
emmmmmm....也無關重要，再跳！
2、YOLOV3内容
2.1 Bounding Box Prediction
YOLOV2使用次元聚類作為Anchor boxes來源來預測邊界框（YOLOV2論文提及了可以人為地設定 Anchor boxes 的面積和大小，後面介紹了聚類可以給更有效的開始，詳細可以參考我的部落格）。
YOLOV3跟YOLOV2一樣，還是使用次元聚類進行選擇 Anchor boxes。同時，YOLOV3使用 Logistic regression 來預測每個邊界框裡面對象的分數，用來區分對象和背景。當某個 bounding box 與 ground truth 的 IOU大于其他所有的 bounding box時，target 值賦1；如果某個 bounding box 不是 IOU最大的那個，但是 IOU 也大于了某個門檻值，那麼忽略這個框，既不懲罰也不獎勵。對每個ground truth隻配置設定一個最好的 bounding box 與其對應。如果某個 bounding box 沒有與任何一個 ground truth 對應，那麼這個框對邊框位置大小的回歸和類别預測沒有幫助，隻會懲罰他的 objects，試圖減小他的 confidence。2.2 類别預測
YOLOV3不使用 softmax 對每個框進行分類，因為 softmax 使每個框配置設定一個類别（得分最高的一個）。而 很多東西是重疊的标簽，比如預測的是女生，也屬于人這一個類别，屬于多标簽問題，而 softmax 不适合多标簽分類。因為 softmax強加一個假設，使得每個框隻包含一個類别。邏輯回歸層主要用到sigmoid函數，該函數可以将輸入限制在0到1的範圍内，是以當一張圖像經過特征提取後的某一類輸出經過sigmoid函數限制後如果大于0.5，就表示屬于該類。 是以 softmax 可被獨立的多個 Logistic 分類器代替，且準确率不會下降。分類損失使用二進制交叉熵損失函數。
2.3 多尺度預測
這一部分主要參考：這位大牛的。 YOLOV2裡面有一個層叫做：passthrough layer 。最後的 feature map 的 size 是 13x13。這個層的作用：将前一個 pooling 層和本層進行 concat，類似于 ResNet，目的也是加強對小目标的檢測。
而在YOLOV3中，采用了 upsample 和融合，YOLOV3裡面融合了3個 scale，三個尺寸為：13x13，26x26，52x52。在多個feature map 做檢測，
結合上圖看，卷積網絡在79層後，經過下方幾個黃色的卷積層得到一種尺度的檢測結果。相比輸入圖像，這裡用于檢測的特征圖有32倍的下采樣。比如輸入是 416x416 的話，這裡的特征圖就是 13x13 了。由于
下采樣倍數高，這裡特征圖的感受野比較大，是以适合檢測圖像中尺寸比較大的對象。 為了實作細粒度的檢測，第79層的特征圖又開始作上采樣（從79層往右開始上采樣卷積），然後與第61層特征圖融合（Concatenation），這樣得到第91層較細粒度的特征圖，同樣經過幾個卷積層後得到相對輸入圖像16倍下采樣的特征圖。它具有中等尺度的感受野，适合檢測中等尺度的對象。 最後，第91層特征圖再次上采樣，并與第36層特征圖融合（Concatenation），最後得到相對輸入圖像8倍下采樣的特征圖。它的感受野最小，适合檢測小尺寸的對象。這篇部落格裡面網絡結構圖也很通俗易懂，大牛叙述的很棒，參考連結在下面：YOLOV3結構圖。
YOLOV3為每個特征圖聚類3種尺寸的先驗框，那麼一共有9個先驗框。下面簡單的看一下9種先驗框的尺寸。
紅色的為格子，黃色的為真實框，藍色的為聚類的先驗框。
2.4 網絡結構
Darknet-53 ，感覺隻有 Debug 時候才會了解！ 餘下的跳過。。。。。
③ 總結
1、網絡結構使用了類似的金字塔網絡；
2、用 Logistic 代替 softmax ;
3、網絡結構；
4、有了YOLOV3，不用提YOLOV2,和YOLOV1。但是還是需要從V1,V2一步一步來理清！
5、YOLOV3的不足，當IOU > 0.5時，mAP後勁不足！
嘿！最近在調試YOLOV3的代碼，哎，估計個把月才能弄懂源碼，科研真難受！github上面見，敬請期待！④主要參考：
1、https://zhuanlan.zhihu.com/p/47575929
2、https://zhuanlan.zhihu.com/p/46691043
3、https://blog.csdn.net/u014380165/article/details/80202337
4、https://www.jianshu.com/p/d13ae1055302
5、YOLO官網：YOLO: Real-Time Object Detection
6、論文連結：https://pjreddie.com/media/files/papers/YOLOv3.pdf
7、Youtube：https://www.youtube.com/watch?v=MPU2HistivI
8、知乎話題：如何評價YOLOv3: An Incremental Improvement？