引言
YOLOv3發布了，但是正如作者所說，這僅僅是他們近一年的一個工作報告（TECH REPORT），不算是一個完整的paper，因為他們實際上是把其它論文的一些工作在YOLO上嘗試了一下。相比YOLOv2，我覺得YOLOv3最大的變化包括兩點：使用殘差模型和采用FPN架構。YOLOv3的特征提取器是一個殘差模型，因為包含53個卷積層，所以稱為Darknet-53，從網絡結構上看，相比Darknet-19網絡使用了殘差單元，所以可以構建得更深。另外一個點是采用FPN架構（Feature Pyramid Networks for Object Detection）來實現多尺度檢測。YOLOv3采用了3個尺度的特征圖（當輸入為416 x 416時)：(13 x 13), (26 x 26),(52 x 52) ，VOC數據集上的YOLOv3網絡結構如圖15所示，其中紅色部分為各個尺度特征圖的檢測結果。YOLOv3每個位置使用3個先驗框，所以使用k-means得到9個先驗框，並將其划分到3個尺度特征圖上，尺度更大的特征圖使用更小的先驗框，和SSD類似。
論文地址：YOLOv3: An Incremental Improvement.
YOLOv3與其它檢測模型的對比如下圖所示，可以看到在速度上YOLOv3完勝其它方法，雖然AP值並不是最好的（如果比較AP-0.5，YOLOv3優勢更明顯）。
成功的Trick（創新點）
- 考慮到檢測物體的重疊情況，用多標簽的方式替代了之前softmax單標簽方式；
- 骨干架構使用了更為有效的殘差網絡，網絡深度也更深；
- 多尺度特征使用的是FPN的思想；
- 錨點聚類成了9類。
具體詳細的可以參考：
個人覺得在看一些好的論文，可以在一些大佬的基礎上進行學習，並思考這些觀點是否是正確的，這樣有利於更快地更容易地學習經典論文里面的思想。