yolo v3:anincrementalimprovement又大又强，辉煌无比
速度和精度最平衡的目标检测网络。
YOLOv3的模型比以前的模型复杂很多，可以通过改变模型结构的大小来权衡速度和精度。
YOLOv3在Pascal Titan X上处理608x608图像的速度达到20FPS，在COCO test-dev上mAP@0.5达到57.9%，接近Retinanet(focalloss论文提出的单级网络)的结果
简单来说，YOLOv3的预检测系统利用分类器或定位符来执行检测任务。 他们将模型应用于图像的多个位置和比例。 评价高的区域可以视为检查结果。 另外，相对于其他目标检测方法，我们使用了完全不同的方法。 我们对整个图像应用了单个神经网络。 该网络将图像分割为不同的区域，预测各区域的边框和概率。 这些边界框以预测的概率加权。 我们的模型与基于分类器的系统相比有几个优点。 为了在测试时显示整个图像，其预测利用了图像内的全局信息。 与需要数千张单一目标图像的R-CNN不同，使用单一网络评估进行预测。 这使YOLOv3非常快，一般比R-CNN快1000倍，比Fast R-CNN快100倍。
1、backbone:darknet53更好的网络结构(类ResNet )精度更好。 融合多种先进方法，改善了yolov1/v2的缺点，而且效果更好。
2、步骤： YOLOv3只不过是将一张图像分成不同的网格，每个网格点负责预测一个区域，如果物体的中心点落在这个区域，这个物体就是由这个网格点确定的。
3、详细情况：
要在图像上绘制一个框，表示yolov2的darknet-19型号yolov2的darknet-19 (就像在残差结构中引入了resnet一样)，需要四个参数：中心点x轴、y轴坐标、框的高度和宽度。 参考FPN金字塔的特点，y1、y2、y3为多尺度，边长： 13、26、52，深度： 255，主要解决小目标检测。 这里，输出通道的数量为255:3*(4180 )=255，3，其中3表示一个网格锚中有三个边界盒，4表示框的四个坐标信息，1表示有无物体，80比特的类别。 s*s*b*(5c )固定尺寸： 416*416，为了防止变形，在边缘加灰色条。 分类器没有使用softmax，分类损失使用二进制交叉熵损失熵(binary cross-entropy loss ) 4、bbox进行预测
YOLOv3不使用softmax对各框进行分类。 主要考虑因素有两个。
softmax为每个框分配一个类别(score中最大的类别)，但在open Images这样的数据集中，目标可能有重复的类别标签，因此softmax将分为多个标签softmax被独立的logistics分类器所取代，精度不会降低。 为什么要使用sigmoid函数？
YOLO不预测边界框中心的绝对坐标，预测偏移量，预测结果通过sigmoid函数将输出值强制在0~1之间。 例如，如果对中心的预测为[ 0.4，0.7 ]，左上角的坐标为[ 6，6 ]，则中心位于1313特征地图上的[ 6.4，6.7 ]。 如果预测的x、y坐标大于1，例如，(1.2，0.7 )，则中心位于) 7.2，6.7。 请注意，当前中心位于图像的第七列第八列单元格中。 这打破了YOLO背后的理论。 这是因为，假设原始区域负责预测目标，则目标的中心必须位于该区域，而不是该区域旁边的其他网格。 为了解决此问题，输出通过sigmoid函数传递，该函数在0到1的范围内缩放输出，并有效地将中心保持在预测的网格上。
预测推理阶段时表示由tx、ty、tw、th的四个offsets和cx、cy、cw、ch (是已知的)、上图的回归式最终得到的边界坐标值为bx、by、bw、
实际上，图像在输入前会根据图像的长边按比例缩放到416，短边按比例缩放。 (图像不会变形变形。 )然后，将短边两侧填充为416。 这将确保输入图像为416*416。
注意点：loss计算时 anchor box与ground truth的匹配。
为什么需要匹配呢？ 你是监督学习。 我必须知道网络预测的结果是什么吗？ 这样才能接近真正的标签。 相反，我现在让他们匹配，给他分配标签，然后让网一直这样学习，最后用假货乱真，输出的结果用无线电接近正确的结果。 yolov3的输出prediction的shape为num_samples、self.num_anchors、self.num_classes5)、grid_size、grid_size
，哪些框可能有目标呢，而且一个cell对应有三个anchor boxes，究竟选择哪个anchor去匹配ground truth？将每个锚框（anchor boxes）视为一个训练样本，需要标记每个anchor box的标签，即类别标签和偏移量。所以我们只需要考虑有目标的anchor boxes，哪些有目标呢？ground truth的中心落在哪个cell，那对应这三个anchor boxes就有，所以计算ground truth与anchor boxeses的IOU（bbox_wh_iou(计算Gw，Gh与Pw,Ph的IOU)），其实只需要选取重叠度最高的anchor box就行，再将三个anchores通过torch.stack后max(0)下就知道选择三个中的哪个了，将这种方式匹配到的boxes视为有目标的box。
YOLOv3在mAP@0.5及小目标APs上具有不错的结果，但随着IOU的增大，性能下降，说明YOLOv3不能很好地与ground truth切合。
图为带有维度先验和定位预测的边界框，我们边界框的宽和高作为离聚类中心的位移，并使用sigmoid函数预测边界框相对于滤波器应用位置的中心坐标。 仍采用之前的logis，其中cx,cy是网格的坐标偏移量,pw,ph是预设的anchor box的边长.最终得到的边框坐标值是b*,而网络学习目标是t*，用sigmod函数、指数转换。
第4行说明：loss分3部分组成：
第1行代表geo_loss，S代表13,26,52，就是grid是几乘几的。B=5。
第2行代表confidence_loss，和YOLO v2一模一样。
第3行代表class_loss，和YOLO v2的区别是改成了交叉熵。
5、总结：
YOLOv3改进了小物体检测
YOLOv4是在v3基础上的守正出新。
网络结构图
绘制网络结构图受到Yolov3另一位作者文章的启发，包括下面Yolov4的结构图，确实，从总体框架上先了解了Yolov3的流程。再针对去学习每一小块的知识点，会事半功倍。
上图三个蓝色方框内表示Yolov3的三个基本组件：
CBL：Yolov3网络结构中的最小组件，由Conv+Bn+Leaky_relu激活函数三者组成。Res unit：借鉴Resnet网络中的残差结构，让网络可以构建的更深。ResX：由一个CBL和X个残差组件构成，是Yolov3中的大组件。每个Res模块前面的CBL都起到下采样的作用，因此经过5次Res模块后，得到的特征图是608->304->152->76->38->19大小。其他基础操作：
Concat：风趣的皮皮虾拼接，会扩充两个风趣的皮皮虾的维度，例如26*26*256和26*26*512两个风趣的皮皮虾拼接，结果是26*26*768。Concat和cfg文件中的route功能一样。add：风趣的皮皮虾相加，风趣的皮皮虾直接相加，不会扩充维度，例如104*104*128和104*104*128相加，结果还是104*104*128。add和cfg文件中的shortcut功能一样。Backbone中卷积层的数量：
每个ResX中包含1+2*X个卷积层，因此整个主干网络Backbone中一共包含1+（1+2*1）+（1+2*2）+（1+2*8）+（1+2*8）+（1+2*4）=52，再加上一个FC全连接层，即可以组成一个Darknet53分类网络。不过在目标检测Yolov3中，去掉FC层，不过为了方便称呼，仍然把Yolov3的主干网络叫做Darknet53结构。
yolov3-spp 和yolov4 map相差不大
YOLOv1 2016 CVPR 45FPS 448*448 63.4mAP
YOLOv3输入尺寸问题 [参考](https://blog.csdn.net/hcdcb6491/article/details/109822428)
1、python代码https://github.com/ultralytics/yolov3
2、C++代码https://github.com/AlexeyAB/darknet
3、 python版本的Tensorrt代码除了算法研究外，实际项目中还需要将算法落地部署到工程上使用，比如GPU服务器使用时还需要对模型进行tensorrt加速。
（1）Tensort中的加速案例强烈推荐tensort软件中，自带的Yolov3加速案例，路径位于tensorrt解压文件夹的TensortX/samples/python/Yolov3_onnx中
针对案例中的代码，如果有不明白的，也可参照下方文章上的详细说明：
代码地址：https://www.cnblogs.com/shouhuxianjian/p/10550262.html
（2）Github上的tensorrt加速除了tensorrt软件中的代码， github上也有其他作者的开源代码
代码地址：https://github.com/lewes6369/TensorRT-Yolov3
4、 C++版本的Tensorrt代码项目的工程部署上，如果使用C++版本进行Tensorrt加速，一方面可以参照Alexey的github代码，另一方面也可以参照下面其他作者的开源代码
代码地址：https://github.com/wang-xinyu/tensorrtx/tree/master/Yolov3
参考
https://blog.csdn.net/weixin_44791964/article/details/105310627
https://zhuanlan.zhihu.com/p/183781646
https://www.bilibili.com/video/BV1yi4y1g7ro?from=search&seid=260426214504sdf1404455
https://zhuanlan.zhihu.com/p/143747206