YOLO v3 论文翻译

（仅供学术交流，未经允许，请勿转载）

（本文翻译自：YOLOv3：An Incremental Improvement）

摘要

更新YOLO啦！ 我们在设计上做了一些小的更改，使它变得更好。 我们训练了这个新的网络，它比以前的版本更准确不过比之前的稍大一些，但不用担心，它的速度依然是扛扛的。 YOLOv3在输入为320×320的图片上的检测速度是22ms ，mAP为28.2。这与SSD一样精确，但速度提高了三倍。 当使用旧的0.5 IOU mAP检测指标，YOLOv3是相当不错的。 在Titan X上，它在51 ms内达到57.9  ，与RetinaNet在198 ms内的57.5 相比，表现相当，但速度提高了3.8倍。 跟以前一样，所有代码都在网站https://pjreddie.com/yolo/。

1.引言(注：你真的可以不看这部分，只是可爱的论文作者的一点小唠叨）

知道吗？有时你会敷衍了事浑浑噩噩就度过了一年，今年我没有做太多研究，只是在Twitter上挥霍时间。玩了一下GAN。凭着去年遗留的一点动力[10] [1]， 我设法对YOLO进行了一些改进。然而，讲真，没有什么超级有趣的进展，只是一小丁点的改善。同时，我也为别人的研究略尽绵力。




于是就有了今天的这篇文章。我们有一个最终的截止日期，需要引用一些我对YOLO进行的随机更新，但我们没有一个资源。所以准备好迎接这篇技术报告！




技术报告的好处是他们不需要引言，大家都知道缘由。所以简介的最后将为本文的其余部分提供指路标。首先我们会告诉你YOLOv3的方案，然后会告诉你我们是如何实现的。我们还会告诉你我们尝试过但并不奏效的一些事情。最后是探讨这一切的意义。

2. 解决方案

这里主要介绍YOLOv3的方案，我们从别人的工作里获得了一些好的点子，还训练了一个比其他模型更好的新的分类器网络。 我们将从头开始介绍整个系统，以便您能彻底地理解它。
图1.这个图来自Focal Loss论文[7]。 YOLOv3的运行速度明显快于其他具有可比性能的检测方法。 基于自、M40或Titan X（这两个基本上是相同的GPU）的检测时间。
2.1 边界框预测

遵循YOLO9000的方法，YOLOv3使用由维度聚类（dimension cluster）得到的锚框（anchor box）来预测边界框（bounding box）[13]。 网络为每个边界框预测4个坐标，tx，ty，tw，th。 假设单元格距离图像的左上角偏移了（cx，cy），先验边界框（bounding box prior）具有宽度pw和高度ph，则预测应为：