YOLOv3
作者：Joseph Redmon
CVPR'18
paper：YOLOv3: An Incremental Improvement
亮点
- 提出新的backbone-darknet53
- 没有池化层和全连接层
- 增加了分支，用于检测小目标对象（13$ imes(13, 26) imes(26, 52) imes$52）
网络结构
YOLOv3除去了池化层和全连接层，用卷积操作代替。
引入了残差结构，使得backbone更深。
对不同层的输出进行上采样拼接，增加了2条分支，用于预测小目标。每条分支最后的输出深度为255，原因是每条分支包括3个anchor，并且针对COCO80个种类设计，每个位置需要预测4个偏移量和1个置信度，3( imes)(5+80)=255
bounding box的预测：和YOLOv2类似，每个网格的左上角坐标为((c_x,c_y))，bounding box有先验长宽，使用预测值调整bounding box的边界。
每个框有个objectness分数(置信度，逻辑回归预测)，bbox和GT的IOU大于0.5并且IOU最大的为1，作为正样本；其余大于0.5的舍弃，小于0.5的作为负样本，这样做可以舍弃不必要的anchor，减少计算。
如果一个bbox没有被分配到GT，就不计算候选框损失和分类损失，只计算objectness损失。
分类预测：没有使用softmax分类器。