一：深度学习目标检测回顾

1：R-CNN

2：Fast-RCNN

3：Faster-RCNN

4：Yolov1

论文中有20类。7x7的网格，每个网格要预测2个 bounding box(如下图所示) 和 20个类别概率，输出就是 7x7x(5x2 + 20) 。 (通用公式： SxS个网格，每个网格要预测B个bounding box还要预测C个categories，输出就是S x S x (5*B+C)的一个tensor。 注意：class信息是针对每个网格的，confidence信息是针对每个bounding box的）

YOLO的缺点:

1：YOLO对相互靠的很近的物体，还有很小的群体 检测效果不好，这是因为一个网格中只预测了两个框，并且只属于一类。
2：对测试图像中，同一类物体出现的新的不常见的长宽比和其他情况是。泛化能力偏弱。
3：由于损失函数的问题，定位误差是影响检测效果的主要原因。尤其是大小物体的处理上，还有待加强。

5：Yolov2

yolo_v2中对于前向过程中张量尺寸变换，都是通过 最大池化来进行，一共有5次，darknet-19是不存在残差结构，和VGG是同类型的backbone。

注：yolo的先验框一般采用K-means聚类（数据较多时比较费时间），有时单目标检测时有可进行目测估计。

二：yolov3基础

1：网络结构可视化

如果需要查看网络结构，可以使用TensorboardX在网络实例化后打印网络结构。

from tensorboardX import SummaryWriter
# 定义Summary_Writer
writer = SummaryWriter('./Result')   # 数据存放在这个文件夹
model = torchvision.models.resnet18(False)
writer.add_graph(model, torch.rand([1,3,224,224]))# 自己定义的网络有时显示错误，原因暂时不清楚，还请大佬指教。

当然也可以使用netron查看网络结构图，在此只提供在线版本：https://lutzroeder.github.io/netron/。其中netron支持的网络框架及对应的文件：

实验式支持，可能不太稳定

2：yolov3网络结构图

由于自己比较懒，在此直接"盗用"博主大佬江大白的图，也非常感谢大佬的贡献。

注：上图下方的三个框表示yolov3的三个基本组件：

(1):CBL：Yolov3网络结构中的最小组件，由Conv+Bn+Leaky_relu激活函数三者组成。
(2):Res unit：借鉴Resnet网络中的残差结构，让网络可以构建的更深。
(3):ResX：由一个CBL和X个残差组件构成，是Yolov3中的大组件。每个Res模块前面的CBL都起到下采样的作用，因此经过5次Res模块后，得到的特征图是608->304->152->76->38->19大小。

其他操作：
Concat：张量拼接，会扩充两个张量的维度，例如26×26×256和26×26×512两个张量拼接，结果是26×26×768。Concat和cfg文件中的route功能一样。
Add：张量相加，张量直接相加，不会扩充维度，例如104×104×128和104×104×128相加，结果还是104×104×128，add和cfg文件中的shortcut功能一样。

为了方便大家了解细节，同时呈上网络细节结构以做对比，虽然输入大小不一样，但只要是32的倍数即可(5倍下采样)，一般常见输出大小:608x608,416x416,320x320。

3：some tricks