YOLO进阶提升 · 2YOLOv3 改进

进阶提升 · 2YOLOv3 改进

核心概念

• YOLOv3：YOLO 系列的第三代版本，核心目标是提升检测效果（尤其是小目标），同时保持较快速度。
• Darknet-53：主干网络，基于残差连接（ResNet 思想），深度更深但训练更稳定。
• 多尺度预测 (Feature Pyramid)：在三个不同尺度的特征图（13×13、26×26、52×52）上分别检测大、中、小目标。
• 改进的先验框设计：聚类生成 9 个 anchor，按大小分配给不同尺度的特征图。
• Softmax 改进：采用独立的多标签二分类（sigmoid），替代单一 softmax，多标签场景更合理。

---

提出问题

• YOLOv1/YOLOv2 在小目标检测上效果不足。
• 单一尺度特征图难以同时兼顾大目标与小目标。
• Softmax 分类假设互斥标签，不适合多标签检测任务。

---

论点与解决方案

• 引入多尺度预测：
  • 大目标用 13×13 特征图预测。
  • 中目标用 26×26 特征图预测。
  • 小目标用 52×52 特征图预测。
  • 每个尺度预测 3 种候选框，共 9 个 anchor。
• 残差网络：
  • Darknet-53 使用残差连接，使深层网络可训练，提取更丰富特征。
  • 避免了 VGG 式单纯堆叠卷积导致的退化问题。
• 先验框优化：
  • 不再是固定分配，而是聚类得到 9 个更合理的候选框，并分配到对应尺度。
• 分类方式改进：
  • Softmax → Sigmoid 多标签分类。
  • 每个类别独立判断（是否属于该类），支持一目标多标签。

---

关键机制 / 细节

• 特征融合：
  • 上采样（Upsampling）+ 融合高层与低层特征 → 提高小目标检测效果。
• Darknet-53 网络结构：
  • 完全卷积网络，无全连接与池化层。
  • 下采样通过 stride=2 的卷积完成。
  • 重复残差模块构成深层结构。
• 输出层维度：
  • 例如：13×13×(3×85)，其中 85 = 4（边框偏移）+1（置信度）+80（类别数，COCO）。
• 性能特点：
  • 速度比 Faster R-CNN 快得多。
  • mAP 较 YOLOv2 有明显提升，尤其在小目标上表现更佳。

---

总结

• YOLOv3 的主要提升：
  • 多尺度预测 → 解决小目标问题。
  • Darknet-53 主干网络 → 更强特征提取能力。
  • Anchor 分配更科学 → 检测更稳定。
  • Sigmoid 多标签分类 → 更贴合实际场景。
• 意义：在保持实时性的同时，显著提升了检测精度，特别是小目标检测性能，使 YOLO 系列更加实用。