YOLOv3

v3应该是这一系列里面有创新的最后一版了（也是Joseph Redmon的最后一版），后面的v4堆了一坨优化，说创新，也谈不上。v5感觉争议比较大。

v3的行文比较像个报告，不太类似一个完整的paper，相比YOLOv2，YOLOv3最大的变化包括两点：

1. 使用残差模型
2. FPN架构

前面的就是Darknet53，后面的就是和SSD很想的多尺度检测。

YOLOv3每个位置使用3个先验框，所以使用k-means得到9个先验框，并将其划分到3个尺度特征图上，尺度更大的特征图使用更小的先验框，和SSD类似。

总的来看，目标检测到至今大多数base在CNN上的解决方案比较的成体系了，目前这几篇论文看下来比较好的思路就是：

1. 设置先验框
2. 全卷积做预测
3. 一个好且轻量级的头部网络
4. 多尺度特征图做预测

实际的代码应该也有很多细节，跑一遍代码实现也是必要的