# 读论文系列·YOLOv2 & YOLOv3

## YOLOv2/YOLO9000

> YOLO9000: Better, Faster, Stronger

YOLOv2 是一个单纯的改进型工作，在YOLO上集成了很多已有的trick（比如加了BN，anchor），因为是trick文章，这里就不做完整解读了，可以参考[这篇解读](https://zhuanlan.zhihu.com/p/25167153)，我觉得其中比较有新意的地方有两个：

* Dimension Clusters得到更好的anchor
* YOLO9000：用WordTree整合ImageNet和COCO数据集联合训练Darknet（有种知识图谱和DL结合的感觉），用多个softmax loss分别做不同层次的分类

改进点list:

* Batch Normalization
* 用448x448的图片训练分类器
* 使用anchor
* 聚类得到更好的初始anchor位置（使用IOU进行box距离判断）
* 直接预测box位置
* 类似ResNet的passthrough feature叠加
* 由于是全卷积网络，可以接收不同尺度输入进行训练
* Darknet-19：大量使用3x3和1x1卷积，BN
* 用wordtree整合ImageNet和COCO数据集，多标签联合训练Darknet

## YOLOv3

YOLOv3也是一个单纯的改进性工作。。没啥创新性，但是效果好\_(:з」∠)\_

作者也觉得这不算是一篇正式paper，只是一个工作报告，所以论文写得跟玩儿似的

![](https://1274047417-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-L_G0aSn1Ck9aGSTDmHR%2Fsync%2Fdee66bbb34a8efda3650ba4ab9c712a9e216b3d5.png?generation=1633066439737590\&alt=media) 改进点list

* 使用更多的shotcut，构造更深的darknet-53（ResNet提出来的）

![](https://1274047417-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-L_G0aSn1Ck9aGSTDmHR%2Fsync%2F7c14d1337922de39058342153fa6f3e1c9131d88.png?generation=1633066439596400\&alt=media)

* 使用三层feature map分别对应不同尺度的anchor（SSD，FPN已经这样做过了）
* 由于softmax分类loss前提假设是每个对象只属于一个分类，对于有包含关系的类别，softmax没那么适用，于是yolov3使用了逻辑回归的方法做分类，同时回归一个anchor属于多个类的概率，ground truth值是0或1，分别代表一个anchor是否与ground truth box相匹配。