读论文系列：Object Detection CVPR2017 YOLOv2（附带讲YOLOv3）

YOLOv2/YOLO9000

YOLO9000: Better, Faster, Stronger

YOLOv2 是一个单纯的改进型工作，在YOLO上集成了很多已有的trick（比如加了BN，anchor），因为是trick文章，这里就不做完整解读了，可以参考这篇解读，我觉得其中比较有新意的地方有两个：

• Dimension Clusters得到更好的anchor
• YOLO9000：用WordTree整合ImageNet和COCO数据集联合训练Darknet（有种知识图谱和DL结合的感觉），用多个softmax loss分别做不同层次的分类

改进点list:

• Batch Normalization
• 用448x448的图片训练分类器
• 使用anchor
• 聚类得到更好的初始anchor位置（使用IOU进行box距离判断）
• 直接预测box位置
• 类似ResNet的passthrough feature叠加
• 由于是全卷积网络，可以接收不同尺度输入进行训练
• Darknet-19：大量使用3x3和1x1卷积，BN
• 用wordtree整合ImageNet和COCO数据集，多标签联合训练Darknet

YOLOv3

YOLOv3也是一个单纯的改进性工作。。没啥创新性，但是效果好_(:з」∠)_

作者也觉得这不算是一篇正式paper，只是一个工作报告，所以论文写得跟玩儿似的

改进点list

• 使用更多的shotcut，构造更深的darknet-53（ResNet提出来的）

• 使用三层feature map分别对应不同尺度的anchor（SSD，FPN已经这样做过了）
• 由于softmax分类loss前提假设是每个对象只属于一个分类，对于有包含关系的类别，softmax没那么适用，于是yolov3使用了逻辑回归的方法做分类，同时回归一个anchor属于多个类的概率，ground truth值是0或1，分别代表一个anchor是否与ground truth box相匹配。