[原创]YoloV3创新点总结
读了YoloV3的论文，相对V2变化不大，创新点有三个。
1、backbone使用darknet53，网络更深包括53层卷积，为避免梯度消失使用的resNet shortcut连接
2、在预测阶段，借鉴了FPN(Feature Pyramid Network)使用3个尺度的特征map，小的特征map提供语义信息，大的特征map体更细粒度信息。小的特征map通过上采样和大尺度做融合。
3、不在使用soft max损失函数而是使用sigmod+ 交叉熵函数，从而可以支持多标签的预测
遇到问题：
1、 测试模型效果是程序core dump了，提示错误：
*** Error in `./darknet': free(): invalid next size (fast): 0x000000000341ac10 ***
解决办法：
YoloV3版本中定义的class的地方有三处，训练时只修改了最后一处，把其他两处的class和filter同样修改后，重新训练，问题解决。
参考链接：
https://blog.****.net/sum_nap/article/details/80568873