一、论文相关信息
1.论文题目：YOLOv3: An Incremental Improvement
2.发表时间：2018
3.文献地址：https://arxiv.org/abs/1804.02767
4.论文源码： YOLO官网：https://pjreddie.com/darknet/yolo/
二、论文背景与简介
作者再YOLOv2的基础上做了改进，相比于YOLOv2，YOLOv3主要有下面几个改动：
YOLOv3的主干网络又变了，设计了基础网络结构Darknet-53；
YOLOv3终于加入多层分支了，一共拉取了三层；
YOLOv3选择了更多的archor box先验；
YOLOv3类别损失换了，由SoftMax换成了Logistic。
然后就是综合做了一些tricks，使性能得到提升，比如数据增强、batch normalization等。
原文很短，改进很多细节不容易理解，比如网络结构、anchor box、损失函数这些都只在YOLOv1清楚的给了图，所以这里放上一些找来的图帮助理解。
网络结构 ：这里重新设计了网络结构，在Darknet-19基础上加了resnet的shortcut结构，大量使用了1×1卷积之后3×3卷积的结构，然后实验证明这个更快更好。放上作者给的图：
光是知道这个Darknet-53的网络结构还是不能理解后面的多尺度分支，需要配合下图这个
YOLOv3的结构图 来理解。图片来自博客：
https://cloud.tencent.com/developer/article/1494963
图中ResX代表着残差组内单元的个数是X，ConvBA是卷积+BN+**，BN在YOLOv2的时候就有了。YOLOv3的分支有三个，分别是第三个残差组后面的卷积输出，第四个残差组后面的卷积输出和最后的卷积输出，当输入时416时，它们的特征图尺寸分别是52×52×256，26×26×512和13×13×1024。
这样一来，分支有了，那么怎么做融合，YOLOv2采用的奇怪的reshape方式，就是维度不匹配就硬凑，这会造成特征图的空间信息被破坏掉了，所以YOLOv3使用的是Upsamlpe，不在用reshape，后面的分支输出特征图，会上采样2倍，刚好可以匹配前一层的维度，然后同样是做拼接操作。
在这以后，几层卷积进一步提取特征，然后控制通道数到255，三层分支都是255。255这个数又和之前不同了，YOLO是90，YOLOv2是125。
首先的区别是数据集换了，现在的目标检测任务主流数据集不再是VOC，而是COCO，COCO有80个类别，其次由于YOLOv3有三层，所以每一层的参考框变少了，从5个变成了3个，根据之前的计算方式：
255=3×(80+4+1)
Anchor box数量：输出三个分支，每个分支上三个每个cell预测三个archor box且每个分支的尺寸不同，那YOLOv3一共可以产生的预测个数为： 3×13×13+3×26×26+3×52×52=106473
损失函数：还是包括三部分，边框位置损失、置信度损失、类别损失，类别损失由Softmax换成了Logistic，并使用了二元交叉熵做损失函数。
YOLOv3对小目标检测效果主要是因为:
YOLOv3换了性能更强的主干网络；
YOLOv3拉取了多层分支，而且最大的特征图达到了52×52，这让小目标更容易被检测到；
YOLOv3的多层分支存在上一层的特征融合，用upsample替换了reshape，让特征在channel上没有形变；
YOLOv3的多层分支后还有多层卷积，缓解了特征图尺寸足够，但是语义信息不足的情况；
YOLOv3的archor输出达到了106747个.
以上，内容几乎转载自博客，只是想简单记录下，这样好像印象深刻些。