1.学习哔哩哔哩《YOLOv1、YOLOv2、YOLOv3目标检测算法原理与实战》

炮哥带你学视频链接

第4章 YOLOv3目标检测算法原理

4.1 YOLOv3算法原理先导与背景

4.2 YOLOv3网络整体结构

4.3 YOLOv3主干网络架构及其分类模型参数

4.4 YOLOv3图像金字塔（颈部）

下采样：减少特征图的尺寸，增加通道数
上采样：增加特征图的尺寸

颈部：特征融合。26x26包含13x13的信息，52x52包含13x13和26x26的信息

4.5 YOLOv3网络头部

CBL：再进行特征提取
Conv：希望输出255个通道，255=3*（5+80）

52x52检测小物体
26x26检测中物体
13x13检测大物体

4.6 YOLOv3检测模型参数详解

4.7 YOLOv3正负样本

4.8 YOLOv3损失函数

正样本：坐标、类别、置信度
负样本：置信度
总公式：

坐标损失：

置信度、概率损失：

4.9 YOLOv3总结

4.10 评价指标先导

4.11 4个评价指标定义

正例P：需要关注的类别
反例N：初正例以外都为反例
TP（True positives）：实际为正例，且被分类器划分为正例的实例数；
FP（False positives）：实际为负例，但被分类器划分为正例的实例数；
FN（False negatives）：实际为正例，但被分类器划分为负例的实例数；
TN（True negatives）：实际为负例，但被分类器划分为负例的实例数；

准确率：

精确率（查准率）：找的准不准

召回率：找的全不全

F1-Score：

4.12 分类评价指标计算案例

二分类案例：有肿瘤是正例，无肿瘤是反例

混淆矩阵：

计算：

多分类案例：图片分类

混淆矩阵：

计算：

4.13 目标检测评价指标前置知识复习

交并比IOU：

置信度和非极大值抑制NMS：

4.14 目标检测精度和召回计算

4.15 目标检测PR曲线和MAP指标

PR曲线：

mAP：

4.16 模型检测速度评价指标

检测速度，简单的说就是一秒钟能够检测多少张图片。