（1）比V2体积更大，精度更高，但是速度仍有保障 （2）输入320*320的图片后，v3能在22ms内处理完成，并取得28.2mAP，精度和SSD相当，但速度快上3倍。
V3用逻辑回归预测每个边界框的objective score。如果当前预测的边界框比之前的更好的与ground truth对象重合，那他的分数就是1，如果当前的预测不是最好的但是和ground truth重合到了一定的阈值以上，神经网络会忽略这个预测。我们使用的阈值是0.5. 我们的系统只为每个ground truth分配一个边界框。如果先验的边界框并没有分配给相应的对象，那他只是检测错了对象，而不会对坐标和分类预测造成影响 （是否逻辑回归网络，将预测出的边框中的张量送进分类网络）
每个边界框都会使用多标记分类来预测框中可能包含的类别。 不使用softmax，而是用单独的逻辑分类器，因为我们发现前者对于网络性能提升并没有什么用，在训练过程中使用二元交叉熵损失来预测类别，有助于我们把YOLO用于更加复杂的领域（例如数据集中包含大量重叠的标签）
yolov3预测三种不同尺寸的边框，系统使用和特征金字塔类似的概念从这个尺寸中提取特征。 在基本提取器中增加几个卷积层，并用最后的卷积层预测一个三维张量编码的tensor，边界框，框中目标，和分类预测。 tensor:N*N[3*(4+1+80)],三个边界框，4个坐标参数，一个目标预测，以及80种分类预测。 接着从前两个图层中得到特征图，并对他进行2次上采样，再从网络更早的图层中得到特征图，把高低两种分辨率的特征图连接到一起。（这样做能使我们找到早期特征映射中的上采样特征和细粒度特征，并获得更有意义的语义信息） 之后我们再添加几个卷积层来处理这个特征映射组合，并最终预测出一个相似的，大小是原先两倍的张量。用同样的网络设计来预测边界框的最终尺寸。（这个过程其实也有助于分类预测，因为我们可以从早期图像中筛选出更精细的特征） v3使用的先验边框聚类方法和v2一样使用k-means，我们使用9（k）个聚类和3种尺寸（大，中，小，每种尺寸有3个anchor）。
v3用了一个新的网络来提取特征，融合v2,Darknet-19,以及其他新型残差网络，由连续的3*3和1*1卷积层组合而成，当然其中也添加了一些 shortcut connection,整体体量也更大，因为有53个卷积层，称为 Darknet-53,Darknet53在精度上可以与最先进的分类器相比，同时浮点数运算更少，速度更快，它可以实现每秒最高的测量浮点运算，可以更好的利用GPU。 每个网络都使用相同的设置进行训练，并以256*256进行测试
我们使用多尺度的训练，大量的数据扩充，批量标准化。我们使用 Darknet 神经网络框架用于训练和测试。
当IOU=0.5时，v3非常强，它几乎与RetinaNet相当，远高于SSD的变体，但是随着阈值的增加，性能会显著下降，这表明，V3很难使边框与对象完全对齐
在过去YOLO一直致力于对小型对象进行检测，随着新的多尺寸预测功能上线，YOLOv3将具备更高的APS性能，但是它目前在中等尺寸或大尺寸物体上的表现还相对较差。
anchor box坐标的偏移预测，比如利用线性激活将坐标x,y的偏移程度预测为边界框宽度或高度的倍数，但我们发现这种做法降低了模型的稳定性，且效果不佳。 用线性方法预测x, y而不是用逻辑的方法，这降低了mAP的成绩。 我们尝试使用Focal loss,他使我们的mAP降低了2点 双IOU阈值和真值分配，如果预测的边框与ground truth重合的比例>=0.7,为正样例，>=0.3&&<=0.7 忽略，<=0.3那就是个负面的结果，我们尝试了这种方法，效果不好。
待看： 二元交叉熵损失 残差网络
参考： YOLO v3论文理解
