改进
多scale，每个scale预测自己擅长的（比如大、中、小物体检测），v3设计了3个scale，每个scale使用3个候选框
sacle变化，从分别利用到融合预测
残差思想：解决卷积多层反而效果变得更差的问题，比如训练到第19层取当前效果为x，再下面的训练为F(X)，如果F(X)训练后发现效果更差则F(X)=0,得到的结果为H(X)=F(X)+X,这样至少不会让效果更差。
实际中残差放置多个，更好的把控效果
核心网络架构
先验框设计：V3选中9个，每种特征图分别有三个
Softmax层替代：1.提到了损失函数，通常用对数y=logx计算损失，x为置信度，x=1则损失Y为0这时理想的状态
版权声明：本文为qq_37887114原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。