深度學習圖像目標檢測：讀懂目前工業界最青睞的YOLO V3

You Only Look Once,YOLO.

YOLO 的核心思想:利用整張圖作為網絡的輸入，直接在輸出層迴歸 bounding box（邊界框） 的位置及其所屬的類別。

yolo雖然有三個版本，由於yolo v3在性能和準確性基本上秒殺前兩個版本，甚至官網都沒有給出下載老版本的鏈接。因此，我們僅需讀懂yolo v3模型結構即可。

細節：

• 卷積的本質是提取圖片的特徵，分類是其他層做的事情。
• 通過劃分單元格做檢測。
• 多尺度訓練。
• 端到端訓練，只使用一個loss funtion。即只關注輸入和輸出
• 使用激活函數：“leaky ReLU”。
• 使用batch normalization作為正則化、加速收斂和避免過擬合的方法。後文簡寫為BN。
• 新的基本單元DarknetConv2D_BN_Leaky，即卷積+BN+leaky ReLU（激活函數）。
• 殘差單元resblock=DarknetConv2D_BN_Leaky+...+DarknetConv2D_BN_Leaky +add
• 殘差單元體resblock_body。zeropadding+DarknetConv2D_BN_Leaky+resblock。
• anchors的9個參數是用聚類方式獲得，格式為w_1,h_1,w_2,h_2,...w_9,h_9。
• 結構中沒有池化和全連接層，使用步長為2的卷積達到圖片縮小的目的。
• 輸入圖片尺寸固定416*416。
• 主幹網絡是darknet-53，共252層。

結構：

1. 如下圖所示，輸入416*416圖片。經過尺寸為3*3的32個卷積DarknetConv2D_BN_Leaky層。
2. 依次經過重複單元依次為1、2、8、8、4的5個殘差體（resblock_body）。
3. 殘差體中DarknetConv2D_BN_Leaky單元的步長為2。
4. 經過殘差體的2次步長為2的卷積，圖片尺寸縮小為以前的1/32。
5. 生成y1、y2、y3三個結果。
6. 輸出尺寸分別為13*13*255、26*26*255、52*52*255。
7. 輸出深度為255=3*(5+80)，每個單元3個box,box有(x, y, w, h, confidence)五個基本參數,coco數據集的種類是80.
8. 中間層和後面的某一層的上採樣進行拼接。拼接的操作和殘差層add的操作是不一樣的，拼接會擴充張量的維度，而add只是直接相加不會導致張量維度的改變。

yolo v3 基本結構

實現：

darknet官網

pjreddie.com/darknet/

keras實現yolo3

github.com/qqwweee/keras-yolo3

tensorflow實現yolo3

github.com/wizyoung/YOLOv3_TensorFlow

You Only Live Once.