1、 相比之前的兩個版本，網(wǎng)絡(luò)在對小目標的檢檢測效果要好，對于大目標的檢測效果相對來說要差一些；
2、 Bounding box
沿用YOLO9000方法，采用維度聚類，根據(jù)訓練集合的分類目標邊框信息，使用k-means算法進行聚類，生成anchor的邊框信息。因此不同的任務(wù)會有不同anchor信息，最優(yōu)anchor需要在實驗中確定。
最終的預測出的bounding box的坐標值，會跟anchor、gred cell相對整張圖的頂點坐標聯(lián)系起來。如下圖：
其中tx、ty、tw、th為網(wǎng)絡(luò)的直接預測值，bx、by、bw、bh為最終獲得的目標邊框坐標值，cx、cy為目標中心點所在grid cell的左上角點相對于整張圖像的坐標值，pw、ph為anchor的寬和高，σ(tx)為sigmoid函數(shù)，可以將tx的值壓縮到0到1的范圍，利于網(wǎng)絡(luò)收斂。推理時，使用該公式計算最終的bbox坐標值；訓練時，對ground truth（gx,gy,gw,gh）的坐標值使用該公式的逆運算得到對應(yīng)的t值，然后跟預測的t值計算loss，使用的是均方誤差。在求逆運算的過程中sigmoid函數(shù)的逆運算較難計算，轉(zhuǎn)而計算對應(yīng)t值的sigmoid函數(shù)，具體如何計算和為什么等價有待繼續(xù)學習。
3、 類別分類
Yolov3沒有使用softmax計算分類的loss，softmax函數(shù)會使得各個類別之間有互斥的影響，這也是其在適合分類任務(wù)的原因之一，在yolov3中卻對性能沒有提升。Yolov3對每個bbox的類別信息使用的是二值的交叉熵損失函數(shù)，這樣會使得每個框預測出的類別信息不只是一個。在一個對象有多個標簽時，該方法很好用。此處不是很理解
4、 跨尺度預測
基于FPN的結(jié)構(gòu)，對不同層的特圖進行目標預測。使用了三種尺度的特征圖。將上層特征圖先進行上采樣，上采樣在keras版本的代碼中使用的是UpSampling2D，最近近鄰插值的方式，做到跟底層特征圖同樣大小，然后使用concatenation的方式，即在通道上拼接。然后對組合后的特征圖再次進行卷積和預測分類。
