4.3 YOLOv3

4.3 YOLOv3

本节摘要：YOLOv3 用多尺度预测解决小目标痛点。本节讲它的三个尺度检测、Darknet-53 和多标签分类——精度再上一个台阶。

本节地图

阅读完本节，你应当能够：

1. 理解多尺度预测原理
2. 说清 Darknet-53 的改进
3. 知道多标签分类的意义

概念脉络

一、YOLOv3 的目标

YOLOv2 小目标检测仍弱（网格粗，小目标信息不足）。YOLOv3 的核心改进：多尺度预测，借鉴 FPN 思想，在 3 个尺度特征图上检测。

小目标为什么一直难？因为检测网络的主特征图经过 32 倍下采样，一个小目标在最后特征图上只剩不到 1 个点，检测头根本没有足够信息。YOLOv3 的回答是：不要只在一个尺度上看——用高分辨率特征图负责小目标，用低分辨率负责大目标。

二、多尺度预测

YOLOv3 在 3 个不同分辨率的特征图上预测：

图 4-3 YOLOv3 多尺度预测

• 大尺度特征图（52x52，下采样 8x）：分辨率高，检测小目标
• 中尺度特征图（26x26，下采样 16x）：检测中等目标
• 小尺度特征图（13x13，下采样 32x）：感受野大，检测大目标

每个尺度用 3 个锚点（共 9 个，通过 K-means 聚类确定）。小目标用高分辨率特征图，信息充足，检测大幅改善。

三、Darknet-53

YOLOv3 用更深的 Darknet-53 骨干：

• 53 层，加残差连接
• 精度比 Darknet-19 高，速度仍快
• 性能与 ResNet-101 相当但更快

Darknet-53 借鉴 ResNet 的残差块，但没有池化层，全程用 stride=2 卷积下采样；结构规整，方便在不同层抽取特征图。论文对比：Darknet-53 的 FLOPs 比 ResNet-101 少一半左右，精度相当——它是"效率优先"的骨干设计典范。

四、多标签分类

YOLOv2 用 softmax 分类，假设每框只一类。YOLOv3 改用逻辑回归（sigmoid），允许一框多类（如"人"+"跑者"），适合有层次标签的场景。

softmax 强制类别互斥（概率和为 1），遇到重叠类别（一个人同时是"人"和"跑者"）就打架。sigmoid 对每类独立打分，可以同时给出多个高概率。COCO 的类别本身互斥，这个改动主要是为了泛化和与 WordTree 层次分类的兼容。

五、特征融合

借鉴 FPN，YOLOv3 在小尺度特征图上采样后与大尺度特征图拼接，融合高分辨率细节，提升小目标检测。

# YOLOv3 风格的多尺度检测头
def yolov3_head(c3, c4, c5):
    """c3/c4/c5 是骨干不同层的特征图，分辨率递减"""
    out5 = detect_head(c5)                      # 13x13，大目标
    up4 = upsample(c5)                          # 上采样到 26x26
    x4 = torch.cat([c4, up4], dim=1)            # 拼接融合
    out4 = detect_head(x4)                      # 26x26，中目标
    up3 = upsample(x4)                          # 上采样到 52x52
    x3 = torch.cat([c3, up3], dim=1)            # 拼接融合
    out3 = detect_head(x3)                      # 52x52，小目标
    return out3, out4, out5
​

这个"深层上采样 + 与浅层拼接"就是 FPN 的基本动作，YOLOv3 把它应用到了 YOLO 架构里，从此多尺度成为检测器标配。

六、性能

YOLOv3 精度提升（COCO mAP 48→57.9），小目标显著改善，速度仍可实时。注意输入分辨率对精度影响很大：同样模型，320 输入 mAP 55.3，608 输入 57.9——分辨率是"免费"的精度来源，代价是速度。工程上常备两档输入：上线用 640 保证精度，高并发场景降到 416 或 320 换吞吐。

七、三个版本

YOLOv3 提供不同精度速度的版本：

• YOLOv3-SPP：加 SPP，精度更高
• YOLOv3-tiny：轻量版，超快但精度低，移动端
• YOLOv3-ultralytics：社区改进版（Ultralytics，YOLOv5 前身）

八、易错点与调参

多尺度预测带来一个工程问题：3 个尺度的损失如何加权？YOLOv3 简单地对各尺度损失求平均，小目标层的损失没有被放大。后来 YOLOv5 等版本按尺度分配不同权重，或引入"小目标损失加权"策略，进一步改善小目标。另外，锚点虽然是 K-means 聚出来的，但聚类数据集要和实际业务数据分布一致，换数据集必须重新聚类，否则锚点失配直接掉点。

⚠️ 多尺度的关键：小目标用高分辨率特征图（下采样少），大目标用低分辨率（感受野大）。这是 YOLOv3 解决小目标痛点的核心，也是现代检测器标配。

💡 关键直觉：YOLOv3 用多尺度预测（3 尺度特征图，小目标用高分辨率）解决小目标痛点。Darknet-53 骨干，多标签逻辑回归。COCO mAP 48→57.9，小目标大幅改善。

一节小结

• 目标：解决小目标痛点。
• 多尺度预测：3 尺度特征图（52/26/13），大尺度检小目标，小尺度检大目标，每尺度 3 锚点。
• Darknet-53：53 层加残差，精度高速度可，比 ResNet-101 快。
• 多标签分类：sigmoid 逻辑回归，一框可多类。
• 特征融合：FPN 思想，上采样融合高分辨率特征。
• 性能：COCO mAP 48→57.9，小目标改善，仍实时。
• 工程注意：尺度损失加权、锚点随数据重新聚类。
• 版本：SPP（高精度）、tiny（轻量）、ultralytics（社区）。

下一节看 YOLOv4 的工程优化集成。