yolov3

思想：yolo主模型輸出三個特徵圖，如（？，13，13，anchor_num*(5+num_classes))、(？，26，26，anchor_num*(5+num_classes))、(？，52，52，anchor_num*(5+num_classes))，以後如尺度爲13的特徵圖 會   變形爲（？，13，13，anchor_num，5+num_classes），最後一維前五個分別爲4個框值xywh和1個框中含有物體的置信度。

後面爲各種別機率。 ？爲batch,13*13 爲檢測的尺度，最後會還原成：框座標（？*13*13*3，4），至關於每張圖檢測了13*13*3個框（固然有不少無效的和重複的，以後會篩選），3是對應於一層3個anchor中心值，此值是原框d w聚類來的。

一張圖至關於輸出3層特徵圖，第一層至關於檢測了13*13*3個框，第二三層至關於檢測了26*26*3和52*52*3個框，因此說大尺寸檢測的小物體，小尺寸檢測的大物體，而後把三層檢測的框縱向拼接到一塊兒，在進行篩選。

 

每裏面的最大框數 是指某一類別的框不超過最大框數，全部類別加一塊兒有可能超過最大框數

anchor:至關於每張圖會生成13*13*3（26和52） 個框，每一個框都去和9個anchor作交叉比iou，選出交叉比比大於閾值的，這樣雖然選的很糙，但以後會有邊界框修正操做。就是至關於先找了幾個固定位置，讓選的框不要偏離這幾個位置太多。以後在對選出的框做偏移修正。

論文解讀

https://blog.csdn.net/yangchengtest/article/details/80664415