YOLO-V3
今天所学聚焦 YOLO-V3 的技术升级，重点阐述其在网络架构、多尺度检测、先验框设计及分类方式上的改进，核心目标是提升小目标检测能力与多标签预测适应性，同时保持良好的检测性能。
一、YOLO-V3 核心改进方向
- 多尺度检测设计
- 为适配不同大小物体检测，设置 3 个特征图尺度（13×13、26×26、52×52），每个尺度对应不同感受野：13×13 感受野大，负责检测大物体；52×52 感受野小，专注小物体检测。
- 不同于传统 “图像金字塔” 或 “单一特征图利用”，采用多特征图融合后预测的方式，让不同尺度特征互补，提升检测精度。
- 网络架构优化
- 引入残差连接：借鉴 ResNet 思想，通过堆叠更多网络层（如 56-layer、20-layer 结构）提取更细致特征，同时避免深层网络梯度消失问题，当前主流网络普遍采用该设计。
- 无池化与全连接层：全程使用卷积操作，下采样通过设置stride=2实现，减少参数冗余，提升计算效率，且融合当下经典网络设计思路。
- 先验框扩展
- 数量从 YOLO-V2 的 5 种增至 9 种，按特征图尺度分配：
- 13×13 特征图：(116x90)、(156x198)、(373x326)，适配大物体；
- 26×26 特征图：(30x61)、(62x45)、(59x119)，适配中物体；
- 52×52 特征图：(10x13)、(16x30)、(33x23)，适配小物体。
- 更丰富的先验框使边界框匹配更精准，进一步提升检测召回率。
- 分类方式升级
- 舍弃 Softmax 层，改用 Logistic 激活函数：针对物体检测中 “一个物体可能有多个标签” 的场景，Logistic 函数可独立预测每个类别的 “是 / 否”，更适配多标签任务，避免 Softmax 对单类别概率归一化的限制。
二、YOLO-V3 性能表现
在 COCO 数据集上，不同输入尺寸的模型性能如下：
YOLOv3-320：mAP-50 为 51.5，推理时间 22ms；
YOLOv3-416：mAP-50 为 55.3，推理时间 29ms；
YOLOv3-608：mAP-50 为 57.9，推理时间 51ms。
对比同期模型（如 SSD、RetinaNet 等），YOLO-V3 在 “精度 - 速度” 平衡上表现优异，尤其在小目标检测和多标签预测场景中优势明显。