YOLOv3: An Incremental Improvement

Joseph Redmon, Ali Farhadi

模型比YOLOv2還要大因此更準，但仍然速度很快。

解決過去小物件時常漏抓的問題。

速度比其他detection任務模型還要快。

問題

• 很多資料集可能會有重疊類別，例如OpenImage資料集中有woman以及human的類別，過去採用softmax只能輸出一個類別可能會產生錯誤。

方法

• 對於重複類別的問題，採用Cross Entropy Loss。
• 跟Feature Paramid network概念一樣，在三種不同尺度下預測bounding box。
  • COCO資料集，每個尺度預測三個Bounding Box。
  • 淺層尺度的特徵圖會經過Upsampling(2×)與深層尺度特徵圖進行concatenation。這樣可以得到更多的影像資訊。
• 一樣有用K-Mean選擇Bounding Box的size:
  • (10×13),(16×30),(33×23),(30×61),(62×45),(59×119),(116 × 90),(156 × 198),(373 × 326)
• 特徵提取層從原先的Darknet-19換成Darknet-53，仍效率很高。
  

Loss function

• Objectness score:利用logistic regression，如果Bounding Box與Ground truth object超過0.5，則為1。

訓練

• Multi-scale
• Data augmentaiton
• Batch normalization

試過沒效果的方法

• 添加Focal loss後mAP下降2%。
• logistic activation改成linear activation後mAP下降。

實驗結果

COCO資料集

文章使用之圖片擷取自該篇論文