文章目录
- YOLO3的改进点
- 针对区域中包含重叠物体的改进
- Class Prediction
- Bounding Box Prediction
- 更牛逼的网络结构：Dartnet53
- 多尺度预测
- 性能
- 其他工作
YOLO V3的论文篇幅比较短，感觉比较随意，和一般论文最大的区别就是把对比实验去掉了，在摘要和论文的最后说到YOLO3是一个好的目标检测网络就没有了。
但是YOLO3确实是一个非常牛逼的网络，以至于YOLO3的官网上的代码都是从yolo3开始，前面两个都没有了。
https://pjreddie.com/darknet/yolo/
接下来就讲讲这个yolo3，论文中对改进点都一笔带过，我们这里就稍微的展开一下，把背后的逻辑梳理一下。
YOLO3的改进点
YOLO3主要的改进点有下面三个：
- 更牛逼的网络结构：Dartnet53
- 引入了ResNet的残差结构思想，提出了多尺度预测的方法
- 提出区域中包含重叠物体的检测方法，或者说是单标签改成多标签
![红队专题-从零开始VC++C/S远程控制软件RAT-MFC-[4]客户端与服务端连接](http://pic.xiahunao.cn/红队专题-从零开始VC++C/S远程控制软件RAT-MFC-[4]客户端与服务端连接)
】97 - QNX AIS Camera 框架介绍 及 Camera 工作流程分析)
 最小二乘拟合平面（拉格朗日乘子法）)
)
