相比於YOLOv2，YOLOv3主要做了如下改進：1、提出了新的特徵提取器模型Darknet53，該模型相比於Darknet19採用了殘差單元（類似ResNet），因此網絡模型可以更深；2、採用FPN（feature pyramid networks）結構來實現多尺度預測；3、分類器的改變，使用多個多個 logistic 分類器替代原始的Softmax分類器。
1、Darknet53
Darknet53 與 ResNet-101 或 ResNet-152 準確率接近，但速度更快，對比如下：
檢測模型網絡結構如下所示：
2、多尺度預測
YOLOv3使用了3個尺度的feature map（當輸入圖像的分辨率爲416×416時3個尺度的feature map爲：13×13、26×26、52×52）來預測檢測結果。每種尺度預設3個Anchor box（使用k-means聚類的方式得到9個Anchor box，並將其分配到3個不同尺度的feature map上，尺度越大的feature map使用更小的Anchor box，這一做法是爲了使模型對小目標物體更友好），檢測模型如上圖所示：
scale 1：在基礎網絡的後面添加了一系列的卷積層，經過一系列的卷積操作後輸出預測的bounding box信息。
scale 2：將scale1中的倒數第三個卷積層的輸出進行1×1的卷積後進行上採樣（x2），再與backbone中最後一個26×26的feature map進行concat拼接，之後經過一系列的卷積操作後輸出預測的bounding box信息。
scale 3：將scale2中的倒數第三個卷積層的輸出進行1×1的卷積後進行上採樣（x2），再與backbone中最後一個52×52的feature map進行concat拼接，之後經過一系列的卷積操作後輸出預測的bounding box信息。
3、分類器
YOLOv2中預測bounding box中目標所屬類別時是用的Softmax分類器，Softmax分類器不適用於多標籤分類。因此，在YOLOv3中使用多個獨立的logistic 分類器來替代Softmax分類器。
YOLOv3的性能對比如下所示：
可以看出YOLOv3模型的AP值雖然不是最好的，但是在速度方面YOLOv3完勝其它模型方法。YOLOv3 在 mAP-0.5 及小目標 APs 上的優勢更加明顯，但是隨着 IOU的增大，性能開始下降，這說明 YOLOv3 不能很好地與 ground truth 貼合。
以上是自己學習YOLOv3時一些看法以及查閱相關資料的一些總結，如有理解錯誤之處請指正。
