【目标检测】图解 YOLOv3 的网络结构（Darknet-53 作为 backbone）

到了 YOLOv3，backbone 从 YOLOv2 的 Darknet-19 升级到了 Darknet-53。

下面一张完整的结构示意图来一起理解一下 YOLOv3 的网络结构。

我们怎么理解最后输出的 3 个特征图（feature map）的这个 255？

同 YOLOv2 一样，255 这个数值的计算可以写成：$$K\times (1+4+\text{class number})$$具体到 YOLOv3 中，因为每个网格 grid 预测 3 个 Anchor， 所以 $K=3$，也就是说：$$85=(5+\text{class number})$$，就可以得到，这个实际上是 80 类别的目标检测网络，大概率用的是 COCO 数据集。

三个特征图分别是 $13\times 13\times 255$，$26\times 26\times 255$ 和 $52\times 52\times 255$。也就是说，根据上面的定义，每个网格 grid 有 3 个 Anchor，那么一种就会产生：$$3\times (13\times 13+26\times 26+52\times 52)=10647$$ 个候选框，经过最后的 NMS 处理，就可以获得我们的最后的结果。