引言
YOLOv3发布了，但是正如作者所说，这仅仅是他们近一年的一个工作报告（TECH REPORT），不算是一个完整的paper，因为他们实际上是把其它论文的一些工作在YOLO上尝试了一下。相比YOLOv2，我觉得YOLOv3最大的变化包括两点：使用残差模型和采用FPN架构。YOLOv3的特征提取器是一个残差模型，因为包含53个卷积层，所以称为Darknet-53，从网络结构上看，相比Darknet-19网络使用了残差单元，所以可以构建得更深。另外一个点是采用FPN架构（Feature Pyramid Networks for Object Detection）来实现多尺度检测。YOLOv3采用了3个尺度的特征图（当输入为416 x 416时)：(13 x 13), (26 x 26),(52 x 52) ，VOC数据集上的YOLOv3网络结构如图15所示，其中红色部分为各个尺度特征图的检测结果。YOLOv3每个位置使用3个先验框，所以使用k-means得到9个先验框，并将其划分到3个尺度特征图上，尺度更大的特征图使用更小的先验框，和SSD类似。
论文地址：YOLOv3: An Incremental Improvement.
YOLOv3与其它检测模型的对比如下图所示，可以看到在速度上YOLOv3完胜其它方法，虽然AP值并不是最好的（如果比较AP-0.5，YOLOv3优势更明显）。
成功的Trick（创新点）
- 考虑到检测物体的重叠情况，用多标签的方式替代了之前softmax单标签方式；
- 骨干架构使用了更为有效的残差网络，网络深度也更深；
- 多尺度特征使用的是FPN的思想；
- 锚点聚类成了9类。
具体详细的可以参考：
个人觉得在看一些好的论文，可以在一些大佬的基础上进行学习，并思考这些观点是否是正确的，这样有利于更快地更容易地学习经典论文里面的思想。