1、研究背景及意义

1）对yolo进行创新，准确度更高。

2、创新点

1）主要是更换了主干网络，使用了多尺度特征融合。

3、网络结构

yolo-V3以Darket-Net-53为主干网络。网络输入一张尺寸为416416的图片，经过多层卷积分别得到1313255、2626255、5252255的特征图，表示将原始图片分割得到的网格数量，分别用于检测大、中、小三种类型的物体。255=3(4+1+80),其中3表示每个网格对应3个anchor，4表示预测框的4个坐标位置信息，1表示objectness 分数（表示包含物体的可能性），80是coco数据集的类比数。

4、损失函数

1）正样本：只有与gt的iou最大的anchor为正样本。
2）负样本：与gt的iou低于阈值的anchor为负样本
3）什么也不是：与gt的iou超过阈值iou又不是最大的anchor。