YOLOv3
繼續的改進；比YOLOv2的網絡大，但準確率高仍舊快；320*320YOLOv3，28.2mAP，測試一張圖片22ms，與SSD一樣準確速度是SSD的三倍；YOLOv3的AP50爲57.9（51ms），RetinaNet爲57.5（198ms）；
--Bounding Box預測：與YOLOv2相同；
--類預測：不使用softmax，因爲有些boundingbox包括多標籤（不能很好的適用其它數據集）；使用獨立的logistic分類器與二值交叉熵損失；
--跨尺度預測：從三個不同的特徵尺度預測（類似於特徵金字塔）；對於COCO預測tensor爲（n*n*[3*(4=1=80)]）（每個尺度預測三個anchor）；除了網絡最後的尺度外，另外兩個利用最後包含語義信息的特徵Map2倍上採樣所得到的Map與前面層包含較多細節信息的Map進行疊加，然後經過一系列卷積處理得到最終的檢測所需的特徵Map（實現的具體細節請閱讀論文）；bounding box priors依然由k-means聚類得到，按順序選擇前9個聚類，然後將這9類在3個不同的尺度均勻劃分；COCO 數據集的9個聚類爲：(10*13)， (16*30)，(33*23)，(30*61)， (62*45)， (59*119)， (116*90)，(156*198)， (373*326)；
--特徵提取：新網絡（Darknet-53）由Darknet-19和residual網絡混合而成；Darknet-53比Darknet-19更強大，比ResNet-101和ResNet-152更有效率，每個網絡訓練具有相同的設置（Titan X，256*256）；
--訓練：訓練在整張圖片上（無hard negative mining和其它的處理）；多規模訓練，batch normalization，大量的數據擴展和其它標準的東西；
實驗
--實驗分析（COCOs）：YOLOv3在AP上SSD的變體持平，但速度是它的3倍，並且落後於一些模型；在AP50上，幾乎與RetinaNet持平但遠高於SSD的變體（表明YOLOv3能很好的爲對象預測Boundingbox），然而在當IOU增加時，性能下降（表明不能將生成的boxes與目標完美的對齊）；運用了多尺度，提高了網絡對於小目標的性能，但是對於中大目標其性能不是很好（原因論文尚未分析出）；
--嘗試的改進但未成功：（1）Anchor box (x,y)偏置的預測；（2）Linear x，y 預測而不是logistic；（3）焦點損失：mAP降低2個百分點，可能大多數樣本沒有損失（沒有確定）；（4）雙IOU閾值與truth指派；
--結論：對於這篇論文最有感觸的一句話：我們有責任爲我們的工作所帶來的危害考慮，並思考如何去減少這些危害。作爲一個計算機方面的新手，以前總是爲了發論文而看論文，可是當我認真的看了一些論文時，我發現我喜歡上了這種爲了驗證自己的邏輯而做一系列實驗的過程，直到看到這篇論文的最後一句話，才忽然明白，所謂的學術不只是這些，而是要以“造物主”的思想去賦予新事物於“靈性”。