今天介紹一下Yolo v3，
首先在v3中使用了darknet-53的架構，架構如下圖:

相比v2的darknet-19，卷積層有53層，全連結層同樣不保留，速度和19相比較慢，但準確率有提升。

然後是yolo v3的架構圖:

黃色部分是darknet-53，然後最後輸出了3種特徵圖，沒有全連結層就代表不會限制輸入圖片尺寸，上圖以256x256為例子。

並且darknet-53中使用的了殘差模型(Resnet)，也就是Residual的部分，和v1中提到的方法類似，隨著網路層數的加深，有些特徵可能會變得微弱甚至消失，所以會將前面的特徵圖加入，避免這樣的情況。

v3總共有9個不同大小的Anchor Box，平均分配到3個輸出特徵圖，而預測的東西不變，舉上圖的第一個輸出為例，8x8x255有64格，每格有三個Anchor Box，而每個Anchor Box預測t~x~，t~y~，t~w~，t~h~，t~o~，前4個為預測框的數值，最後1個是置信度，然後預測80個類別，所以結果就是8x8x3(anchor boxes)x(5+80)。

主要和v2不同地方就這些，好水好水:)
資料來源中有更多資訊可以去觀看。

資料來源:https://zhuanlan.zhihu.com/p/76802514