you only look once（你只需看一次），或者yolo，是目前比較快的目標物件檢測演算法之一。雖然它不再是最精確的目標物件檢測演算法，但是當您需要實時檢測時，它是乙個非常好的選擇，不會損失太多精確度。
2023年上半年，yolo的第三個版本問世，這篇文章旨在解釋yolo v3中引入的變化。這不是乙個解釋yolo是什麼的文章。 我假設您知道yolo v2是如何工作的。如果情況並非如此，我建議您檢視joseph redmon等人的**，了解yolo如何運作。
yolo v3: 更好，但沒有更快，更強
yolo v2紙的官方命名為「yolo9000：更好，更快，更強」，看起來像一種兒童喝的健康牛奶飲品，而不是目標物件檢測演算法。
yolo 9000曾經是最快的，也是最準確的演算法之一。然而，隨著retinanet這樣演算法的出現，它不再是精確度的。 然而，它仍然是最快的演算法之一。
為了提高精確度，yolo v3在速度方面做了妥協。 雖然早期版本在titan x上可以以45 fps執行，但當前版本的時鐘頻率約為30 fps。這與其darknet底層架構的複雜性增加有關。
darknet-53
yolo v2使用了自定義深度架構darknet-19，最初是19層網路，外加11層用於物件檢測。採用30層架構的yolo v2，在小物件檢測上經常遇到麻煩。這歸因於層對輸入進行了下取樣，導致細粒度特徵的丟失。為了解決這一問題，yolo v2使用了特性對映，連線了前一層的特徵對映以捕獲低階特徵。
然而，yolo v2的架構仍然缺少一些最重要的元素，這些是目前大多數最新演算法的主要元素。比如沒有剩餘塊，沒有跳連線，也沒有上取樣。而yolo v3包含所有這些。
首先，yolo v3使用了darknet的變體，最初在imagenet上訓練出53層網路。然後在其上堆疊了53層進行檢測任務，這樣yolo v3就擁有106層完全卷積的底層架構。這就是yolo v3相較於yolo v2速度慢的原因。下圖是yolo架構現在的樣子：
三種尺度的檢測
新架構值得誇耀的有殘差跳連線（residual skip connections）和上取樣。v3最突出的特點是它可以在三種不同的尺度上進行檢測。yolo是乙個全卷積網路，它的最終輸出是通過在特徵對映上應用1 x 1核生成的。在yolo v3中，通過在網路中三個不同位置的三種不同大小的特徵圖上應用1×1核來完成檢測。
檢測核的形狀是1 × 1 ×（b ×（5 + c））。這裡b是特徵對映中每個單元可以**的邊界框的數量，「5」表示4個邊界框屬性和1個物件置信度，c是類別數目。在使用coco訓練的yolo v3中，b = 3且c = 80，因此核大小為1 x 1 x 255。由該核生成的特徵對映具有與先前特徵對映相同的高度和寬度，並且具有沿著如上所述的深度的檢測屬性。
源自: blog.*****space.com/how-to-impl…
在進一步討論之前，我要指出網路的步幅，即乙個層被定義為它對輸入進行下取樣的比率。在以下示例中，我假設我們有乙個大小為416 x 416的輸入影象。
yolo v3在三個尺度上進行**，分別對輸入影象進行32、16和8的尺寸下取樣。
第一次檢測由第82層進行。對於前81層，影象由網路進行下取樣，使得第81層具有32的步幅。如果我們的影象大小為416×416，則得到的特徵對映為13×13的大小。這裡使用1 x 1檢測核，為我們提供13 x 13 x 255的檢測特徵對映。
接下來，來自第79層的特徵對映經歷幾個卷積層之後，2倍上取樣增加到26×26的維度。然後，該特徵對映與來自第61層的特徵對映做深度連線。再然後，組合的特徵對映再次經過幾個1×1卷積層以融合來自較早層（61）的特徵。通過第94層進行第二次檢測之後，產生26×26×255的檢測特徵對映。
再次重複類似的過程，其中來自層91的特徵對映在與來自層36的特徵對映做深度連線之前經歷少量卷積層。像之前一樣，接下來幾個1×1卷積層來融合來自先前層（36）的資訊。我們在第106層進行最後乙個3倍增，產生尺寸為52 x 52 x 255的特徵對映。
檢測較小的目標物件效果更好
不同層次的檢測有助於解決小物體的檢測問題，這是yolo v2的常見問題。上取樣圖層與先前圖層連線有助於保留細粒度特徵，這有利於檢測小物件。
13 x 13層負責檢測大型目標物件，而52 x 52層檢測較小的目標物件，26 x 26層檢測中等大小目標物件。
選擇錨點框
yolo v3總共使用了9個點框。每個尺度下三個。如果您在自己的資料集上訓練yolo，則應該使用k-means聚類來生成9個錨點。
然後，按照尺寸的降序排列錨點。為第乙個尺度分配三個最大的錨點，為第二個尺度分配下三個錨點，為第三個尺度分配最後三個錨點。
每個影象有更多邊界框
如果輸入影象大小相同，yolo v3比yolo v2**更多的邊界框。例如，原始解析度為416 x 416時，yolo v2**13 x 13 x 5 = 845個框。在每個網格單元，使用5個錨點檢測到5個框。
而yolo v3**3種不同尺度的方框。對於416 x 416的相同影象，**框的數量是10647。這意味著yolo v3是yolo v2**的盒子數量的10倍。您可以很容易想到為什麼它比yolo v2慢。在每個尺度上，每個網格可以使用3個錨來**3個框。由於有三個尺度，所以總共使用的錨點框數量為9個，每個尺度3個。
損失函式的變化
早些時候，yolo v2的損失功能看起來像這樣。
來自: pjreddie.com/media/files…
我知道這個公式很可難，但請注意最後三個式子。其中，第乙個懲罰負責**物件的邊界框的物件分數**（理想情況下這些分數應為1），第二個用於沒有物件的邊界框（理想分數應該為零），最後乙個懲罰**物件的邊界框的類**。
yolo v2中的最後三個項是平方誤差，而在yolo v3中，它們已經被交叉熵誤差項所取代。換句話說，現在通過邏輯回歸**yolo v3中的物件置信度和類別**。
當我們訓練檢測器時，對於每個真正的框，我們分配乙個邊界框，其錨點與真正的框最大重疊。
不再用softmax分類
yolo v3現在對影象中檢測到的物件執行多標記分類。
在早期的yolo中，作者習慣於進行類別softmax，將具有最高得分的類別作為包含在邊界框中的目標物件的類別。這在yolo v3中得到了修改。
softmax分類依賴於類別是互斥的假設，簡單地說，如果乙個物件屬於乙個類別，那麼它就不屬於另乙個類別。這在coco資料集中工作正常。
但是，當我們在資料集中有person和women之類的類別時，上述假設就失效了。這就是為什麼yolo的作者沒有採用softmax分類的原因。相反，使用邏輯回歸**每個類別分數，並且使用閾值來**物件的多個標籤。分數高於此閾值的類別將分配給該框。
基準測試
yolo v3與其他先進的探測器（如retinanet）表現相當，且在coco map 50基準測試中速度更快。它也比ssd及其的變體更好。以下是**中給出的效能對比。
yolo與retinanet在coco 50基準測試中的表現
但是，但是，但是，yolo在coco基準測試中失去了更高的iou值，用於拒絕檢測。我不打算解釋coco基準測試是如何工作的，因為它超出了本文範圍，但coco 50基準測試中的50是衡量**的邊界框與物體的真正框的對齊程度。這裡50對應於0.5 iou。如果**和真正框之間的iou小於0.5，則**被分類為誤定位並標記為假陽性。
在基準測試中，數值越高（例如，coco 75），框需要更完美地對齊，以免被評估指標拒絕。這是yolo被retinanet超越的地方，因為它的邊框不像retinanet那樣對齊。下面是乙個詳細的更多基準測試**。
retinanet在coco 75基準測試中的表現優於yolo
體驗一下
不同的尺度
python detect.py --scales 1 --images imgs/img3.jpg
複製**
在尺度為1的檢測中，我們看到有些大的物體被挑選，但漏檢測了幾輛車。
複製**
在尺度2上，我們沒有檢測到任何目標物件
複製**
在最大尺度3上，可以看到只檢測到了小目標物件，這些未在尺度為1時檢測到。
不同的輸入解析度
python detect.py --reso 320 --images imgs/imgs4.jpg
複製**
輸入影象解析度：320 x 320
複製**
輸入影象解析度：416 x 416
複製**
這裡，我們檢測到的椅子比以前少了一把
複製**
這裡，檢測器做了乙個錯誤的檢測：右邊的「人物」
從上面可以看到，較大的輸入解析度沒有多大幫助，但它們可能有助於檢測小物體的影象。另一方面，較大的輸入解析度會增加推斷時間。這是乙個超引數，需要根據應用進行調整。
您還可以試驗其他指標，例如批量大小、物件置信度和nms閾值。readme檔案中有詳細的說明。
進一步閱讀
yolov3的缺點 yolov3特點總結
p1，yolov3，簡單總結下比較特別的地方 1.bounding box 中心值x,y的 是通過乙個sigmoid 函式，來 在每乙個單元 cell 的相對位置。而不像普通那種 乙個相對於anchor的offset。然後bbox 損失是用的mse 一般都是用smooth l1 3.類別 沒有使用s...
yolov3系列 零 yolov3詳解
目標檢測演算法與efficientdet講解 論 文 翻譯 yolov3主頁 yolo系列的目標檢測演算法可以說是目標檢測史上的巨集篇巨作，v3演算法是在v1 v2基礎上形成的，先看下 yolov1 yolov2 下圖為yolov3的網路結構 dbl darknetconv2d bn leaky 是...
yolov3檢測人頭 基於yolo v3的人臉檢測
一 實驗環境的搭建 1.安裝環境配置 python 3.6 tensorflow gpu 1.6.0 keras pillow opencv python matplotlib numpy 沒有通過pip安裝 例如 pip install keras 2.啟動虛擬環境，並且安裝對應的實驗環境 3.模...