YoloV3的整体框架介绍

YOLOV到底做了什么？

YOLOV3的三目标检测算法。假设我们眼里看到是这样一幅图，这是一只猫，你们一眼就可以知道这只猫在什么位置。但是计算机要怎么确定这个猫的位置呢？计算机在图片上画出这个框需要四个参数，分别是中心点的 X 轴、外轴、坐标框的高和宽。有了这四个参数之后，计算机就能确定猫的位置了。

YOLOV3是怎么样确定这四个参数的呢？当一张图片被传入到 YOLOV3网络中时，首先被调整到 416 乘 416 的大小。为了防止失真，会在图像的边缘加上灰调之后，YOLOV3会将这幅图像分成 13 *13，26*26，52*522 的网格由于图像在多次卷积压缩后，小物体的特征容易消失，所以 52 * 52 的网格用于检测小物体。

13 * 13 的网格用于检测大物体。由于猫是一个比较大的物体，所以它有 13 * 13 的网格检测，每个网格点负责其右下角区域的检测。如果物体的中心点落在这个区域，这个物体的位置就由这个网格点来确定。总结而言，YOLOV3不过是把一张图片划分成不同的网络，每个网格点负责其右下角区域的预测。只要物体的中心点落在这个区域，这个物体就由这个网格点来确定。这就是 YOLOV3的原理了。

YOLOV用实战案例说明过程？

图像位置：x,y,w,h 网格：13*13；26*26；52*52，图像化分为网格 环境配置：Anaconda+Python3.7+CUDA7.4.1.5 ( 用 Cudnn10.0替换下面的包 )+按照pytorch 安装pytorch: conda create -n pytorch python=3.6; activate pytorch; pip install 包名（torch-1.2.0-cp36-c-36m-win_amd64.whl); pip install torchvision-0.4.0-cp36-cp36m-win_amd64.whl; import torch 主干特征提取网络-》提取特征 输入一个416*416*3-》进行下采样，宽高会不断的被压缩，通道数不断扩张； 我们获得一堆的特征层，用来表示输入进来图片的特征； 52，52，256； 26，26，512 ；13，13，1024 ，一共做了5次卷积后变成 13，13，75-》13，13，3（3个先验框），25（20+1-先验框是否有物体+4个参数属于一个先验框） 先把图片划分为不同大小的网格，每个网格中都会先用3个先验框来识别是否真实的包含物体，如果位置不合适，可以调整框的位置，从而提取特征，采用特征金字塔的模式进行特征提取。

先搞定核心的概念

  1. layer
这一列顾名思义，是层名称。
数字是层编号，后面是层名称。
conv：卷积层。
res：shortcut层（跨层连接，借鉴 resnet 而来，所以用res表示）
yolo：YOLO层。
route：融合层，就是把层进行合并，然后输出到下一层。（后面再仔细讲）
upsample：上采样层。

2. filters
这是对于 conv 来说的，代表过滤器的通道数，和后面 output 的通道数是一致的。
（上述的过滤器和常说的卷积核是一样的东西，就是卷积运算的那个动函数）
这一列中对应非 conv 层的数字在后面讲解各层时再说明。

3. size
这一列和 filters 一样，也是只对于 conv 来说的，代表过滤器的大小和步长。
如：3 x 3 / 1，代表过滤器大小为 3*3，步长为 1。

4. input
这一层的输入，416 x 416 x 3，代表输入大小为 416 x 416，通道数为 3。

5. output
这一层的输出，416 x 416 x 32，代表输入大小为 416 x 416，通道数为 32。