本文共 1742 字，大约阅读时间需要 5 分钟。

&Title

&Summary

两点改进对结果提升比较大：

• fpn的特征融合（借鉴FPN）
• 改基础网络（借鉴resnet）

相比于YOLOv2，改进的地方有：引入了一个新的基础网络，bundingbox取最好预测框的去训练，其他框丢掉，用了FPN，丢掉了softmax改用二元交叉熵。

对小目标的检测效果提升明显

具体可以看论文

&Results

• YOLOv3的运行速度明显快于其他具有可比性能的检测方法。

• 虽然retinanet的精度高，但是它图像处理时间要长3.8倍。YOLOv3比SSD变种要好得多，可与AP50指标上的最新模型相媲美。

• 在精度差不多的情况下，推理时间远低于retinanet
  （作者从resnet论文中拿了这张图，然后把自己的放在第二象限，想表达什么意思懂了吧哈哈哈哈哈哈）

&Notes

以下内容摘自知乎的回答

作者：石山潜

链接：https://www.zhihu.com/question/269909535/answer/471978963

来源：知乎

从算法角度补充两点，对比YOLO V3和SSD系列网络结构差异造成的效果的区别。

1. 对比SSD，为何YOLO V3小物体的检测效果这么好？

   不仅仅因为YOLO V3引入FPN结构，同时它的检测层由三级feature layers融合，而SSD的六个特征金字塔层全部来自于FCN的最后一层，其实也就是一级特征再做细化，明显一级feature map的特征容量肯定要弱于三级，尤其是浅层包含的大量小物体特征。
   
   FSSD（SSD的变种改进）虽然也引入金字塔融合，但治标不治本，需要靠最后一层保留所有信息的压力没有减小例如SSD的金字塔融合版本FSSD，虽也有与YOLO V3类似的FPN结构，但它输入到回归层的信息量与SSD无差别，对再多的层做concat也只能补充SSD最后一层信息的不完整，却不能扩充总的特征“容量”。尤其是用类似COCO这样，训练数据很多是大物体的数据训练的模型，可以毫不客气的说SSD的主网络会在训练的时候自然而然的让VGG16的最后一层自动筛掉小物体。
   YOLO V3主网络输入回归网络实现了多级输入，而非像SSD一样的单级YOLO V3则不一样，直接把浅层网络拉出来融合撸小物体，这样的结构解决了SSD检测小物体能力不佳的问题。

2. YOLO V3为何在mAP与SSD相同的情况下速度快很多？

   首先Darknet网络引入了residual结构，结构优势比VGG16不知高到哪里去了，所以如果SSD也用上精简的残差网络，再优化一下冗余的回归金字塔结构，速度也能快很多。另外我猜测使用logistic而不用softmax，对比SSD需要不断抑制background类数量过多而做出的计算上，速度也会更快一些，个人猜测，没有做实际论证。

3. YOLO V3与SSD比有什么缺点？

   可能是在大物体定位精度上稍微差一些，这个对比两者网络结构应该也不难看出，相信作者在下一代YOLO V4里会做出优化。总而言之作者还是很厉害的，几乎优化了单步检测所有可以优化的点，精度上干掉F-RCN,速度上干掉SSD，别人哪里强我就比它更强。依我个人看来，如果没有极具创新性的算法革新，短期内很难有能超过YOLO V3性能的了.

&Thinks

1. YOLOv3提升小目标检测精度的主要原因来自于引入了FPN？YOLOv3跟引入了FPN的其他一阶段检测器相比，小目标效果是不是差不多？？如果主要原因不是，那这个原因是不是可以用来改善FPN？

注：有知道的大佬可以告知一下，感谢。我有时间做一下实验的话，知道后再来补上。

2. 关于提升小目标精度的，在特征融合这块，还可以继续怎么做？？增加浅层小目标信息？？？残差连接，保留底层信息？？？还有其他吗？？？
3. 很多特征融合方面的论文，少不了各种的3 * 3卷积，1 * 1卷积等，应该搞清楚作用是啥，目的是啥，可以带来什么好处。这里等我有空总结总结吧，博主本人基础不太扎实（抱哭）！！！
4. ……待补充

其他小目标检测相关论文笔记：

• Residual BiFusion Feature Pyramid Network
• ……

注：广泛阅读中，有好的优质论文，请各位大佬帮忙多多推荐！！

转载地址：http://ndxen.baihongyu.com/