yolo模型学习笔记——3——yolov3相比与yolov2的优点
1，更强的特征提取能力
YOLOv3 用 Darknet-53 替代了 YOLOv2 的 Darknet-19，并结合了 ResNet 残差连接（Residual Connections），大幅提升了深度，使网络更易于训练并具有更强的特征表达能力
2.多尺度特征检测
FPN（Feature Pyramid Network）架构：
- YOLOv3 引入了多尺度特征检测机制，通过在不同尺度的特征图上进行目标预测，提高了对小目标的检测能力。
- 在三个不同尺度上进行预测：
- 大尺度（13×13）：适用于大目标
- 中等尺度（26×26）：适用于中等目标
- 小尺度（52×52）：适用于小目标
3.更精细的边界框预测
使用 9 组 Anchor Box（每个尺度 3 组），相比于 YOLOv2 的 5 组 Anchor Box，能更精确地拟合不同尺寸的目标
总结
相相对于yolov2，提高了对小目标的检测精度，最突出的表现是提高了分类能力，能适应各种大中小的物体检测，并且能够保持速度和稳定性