YOLOv3原理

yolov3基于v2实现了进一步的提升。文中采用了不同于先前的voc数据集的新选择。该数据集划分为80个不同的类别。

• 优化网络架构设计,使其更加高效地检测小型目标
• 先验框变得更为丰富,每个规格包含3个参数,总计9种配置（其中v1版本有2种, v2版本则拥有5种）
• 通过优化softmax函数实现多标签预测功能,为一个物体赋予多个标签

多scal

为了识别不同尺寸的物体并构建三种具有标量性质的特征图，并针对大尺寸、中尺寸以及小尺寸的对象进行了分析。

该系统构建了三类尺度特征图，在每种尺度特征图上设置了对应的大、中、小目标检测先验框。
每种尺度特征图上的先验框分别对应大、中、小目标物体。
在每种尺度特征图上设置了对应的大、中、小目标检测先验框。

Q：怎么得到不同scal的特征图

1.单一的输入，经过若干层卷积，得到最终特征图。

2.，多个输入，但是速度太