Question

我找不到关于YOLOv3 SPP的任何很好的解释，它比YOLOv3具有更好的mAP。作者本人在回购协议中将YOLOv3 SPP声明为：

具有空间金字塔池或其他功能的YOLOv3

但是我还是不太明白。在yolov3-spp.cfg中，我注意到有一些补充内容

575 ### SPP ###
576 [maxpool]
577 stride=1
578 size=5
579 
580 [route]
581 layers=-2
582 
583 [maxpool]
584 stride=1
585 size=9
586 
587 [route]
588 layers=-4
589 
590 [maxpool]
591 stride=1
592 size=13
593 
594 [route]
595 layers=-1,-3,-5,-6
596 
597 ### End SPP ###
598 
599 [convolutional]
600 batch_normalize=1
601 filters=512
602 size=1
603 stride=1
604 pad=1
605 activation=leaky

任何人都可以进一步说明YOLOv3 SPP的工作原理吗？为什么在[route] layers中选择了-2，-4和-1，-3，-5，-6层？谢谢。

Answer 1

请参见图3. SPP解释。

在yolov3-spp.cfg中，他们通过使用[route]将3个不同大小的最大池用于同一图像

然后，他们将创建的特征图收集为图3中的“定长表示法”。

Answer 2

最后，一些研究人员在Yolo https://arxiv.org/abs/1903.08589上发表了有关SPP应用的论文。

对于yolov3-tiny，yolov3和yolov3-spp差异：

yolov3-tiny.cfg在Max-Pooling层中使用下采样（stride = 2）
yolov3.cfg在卷积层中使用下采样（stride = 2）
yolov3-spp.cfg在卷积层中使用下采样（stride = 2）+在Max-Pooling层中获得最佳功能

但是在原始框架上使用Yolov3SPP模型，他们在Pascal VOC 2007测试中仅获得 mAP = 79.6％。

但是，即使使用yolov3.cfg模型，我们也可以通过使用AlexeyAB的存储库https://github.com/AlexeyAB/darknet/issues/2557#issuecomment-474187706

获得更高的精度 mAP = 82.1％

并且可以肯定的是，使用Alexey回购协议，我们可以通过yolov3-spp.cfg获得更高的mAP。

原始github问题：https://github.com/AlexeyAB/darknet/issues/2859

YOLOv3 SPP和YOLOv3有何不同？

2 个答案: