• original paper: https://pjreddie.com/media/files/papers/YOLOv3.pdf

links

• paper
• project page

概要

YOLO のアップデートに関するテクニカルレポート. 以前のものよりも遅くはなったが、より正確になった. 他の手法と比較すると以前として高速で精度も同等以上に良い.

方法

Bounding Box Prediction

YOLO9000と同様. 画像をセルに分割し、各セルを入力として ネットワークは4パラメータ \((t_x, t_y, t_w, t_h)\) を予測する. これを次のようにして、bounding box に変換する. 意味としては、そのセルに含まれる物体の、その領域の予測.

セルの左上の座標 が \((c_x, c_y)\) であるとする. また、事前知識として bounding box の幅と高さの目安 \((p_w, p_h)\) を持っておいて、

• \(b_x = \sigma(t_x) + c_x\)
• \(b_y = \sigma(t_y) + c_y\)
• \(b_w = p_w e^{t_w}\)
• \(b_h = p_h e^{t_h}\)

とする. bounding box の **中心* を座標 \((b_x, b_y)\) とし、幅高さが \((b_w, b_h)\) な領域を bounding box として解釈する. 教師データはこれを逆算して \(t\) を計算する.

v2 の論文読めばどっかに書いてるのかもだけど、全体の画像サイズを \(1.0 \times 1.0\) にリサイズしてから計算してると思う. なので, \(0 \leq b_x,b_y, b_w,b_h \leq 1\).

• 相対座標であること、中心 (そこに物体がある) を予測すること
  • セル (例えば7x7) は領域より小さいサイズを想定していて (?) その領域の中の相対的な場所を学習すること

v3 では、目的関数に logistic 回帰を使う. セルが正しい領域に重なっていない場合は

つかれた