相比較於前兩篇論文，個人感覺YOLO3作者有點來搞笑的！！！雖然加了一些新的點子進來，但是，論文的開頭是這樣的：
簡單理解就是作者花了很多時間玩Twitter去了，所以沒有做啥研究！！！！
然後：
你可以引用自己的論文嗎？猜猜誰會這麼做，就是這傢伙，然後我發現鏈接竟然是他自己這篇論文：
還有調侃下谷歌、臉書等大公司和目標檢測等技術：
很多從事這項研究的在谷歌和臉書，所以我們應該相信他們不會用技術來採集我們的信息然後拿來賣！！！等等，你是說這纔是技術的真正用途？？？？哈哈，投資計算機視覺研究的都是軍方的人，他們從未將新技術用來殺人！！！
接着作者說：
希望搞計算視覺的人是出於興趣做一件快樂的事情，比如數數公園裏斑馬的數量，跟蹤下房子周圍的貓！！！！
重要的是接下來的一句，他說：
不要艾特我，我終於退出推特了！！！
好咯，言歸正傳，那麼其實這篇論文相比較前兩篇，倒是沒啥其他特別的點，總結起來主要也就是新的骨架和多尺度。
一、Bounding Box Prediction
目標邊界框的預測實際上也還是沿用YOLO2的做法，網絡會預測每個網格中目標邊界框的四個座標tx、ty、tw、th，如果每個網格相對於整體圖像的左上角的偏移量爲(Cx,Cy)，而先驗邊界框的寬度和高度爲pw、ph，那麼由預測值到座標的映射如下：
訓練的時候則是取所有損失的平方和。
YOLO3採用邏輯迴歸來預測每個邊界框的包含目標的分數objectness score，如果邊界框與ground truth object的重疊大於其它邊界框，那麼其分數爲1，如果邊界框不是最好的，但是與ground truth object的重疊大於一定閾值，那麼就忽略該預測。系統只爲每個ground truth object分配一個邊界框，沒有分配的邊界框就不會對座標或者類別的預測造成損失？
二、Class Prediction
類別預測，YOLO3不適用softmax，因爲發現沒啥特別影響，所以用獨立的邏輯分類器。訓練的時候用了二元交叉熵損失函數。
三、Predictions Across Scales
多尺度預測，YOLO3使用了三個尺度，借鑑了FPN，使用多尺度。最後一個卷積提取了一個三維的編碼了邊界框、目標分數和類別預測等信息的張量，以COCO數據集爲例子，每個尺度都會預測三個邊界盒子，那麼每個尺度的張量大小爲：
其中4爲4個邊界框偏移量，1個目標檢測分數，80個類別的概率。三個尺度之間的大小關係是彼此2倍的遞進的關係。通過上採樣將小尺度特徵圖與大尺度特徵圖拼接，然後又新加一些卷積層對融合後的特徵做了處理。
YOLO3同樣使用K均值聚類來計算先驗框，對三個尺度計算了9個類，分別爲：
四、Feature Extractor
特徵提取部分，YOLO3設計了新的骨架，Darknet53，因爲用了53個卷積層：
新骨架與Darknet19和其它網絡的性能對比如下：
Darknet53的表現還是比較好的。
四、Training
跟YOLO2的做法基本上是類似的。
五、Things We Tried That Didn’t Work
作者做了一些新的嘗試，但是沒有作用：
1、Anchor box x, y offset predictions：嘗試用常規的先驗框機制，也就是用線性激活函數預測x、y爲邊界框寬度和高度的倍數，但是沒用。
2、Linear x, y predictions instead of logistic：用線性激活函數直接預測x、y偏移量，而不是用邏輯迴歸，沒用。
3、Focal loss：嘗試用Focal loss，但是沒用，可能YOLO3對於Focal loss要解決的問題來說已經很溜了，不需要Focal loss了吧，這點作者做了一些測試，但是也說不準。
4、Dual IOU thresholds and truth assignment：嘗試採用Faster RCNN採用的雙閾值策略，但是沒用。
六、YOLO3 表現：
在COCO上與其它算法的對比，不如RetinaNet，但是基本上也還是比SSD好一些(相愛相殺？)
論文：https://arxiv.org/pdf/1804.02767.pdf
支離東北風塵際，漂泊西南天地間。
三峽樓臺淹日月，五溪衣服共雲山。
羯胡事主終無賴，詞客哀時且未還。
庾信平生最蕭瑟，暮年詩賦動江關。
-- 杜甫 《詠懷古蹟 五首 其一》