yolov3相较于yolov2的改进

Yolov3相较于Yolov2的改进主要包括以下几点：
1. Yolov3引入了多尺度预测。在Yolov2中，网络只有一个输出层，而Yolov3则在多个不同尺度的输出层上进行预测，这样可以更好地处理不同大小和尺度的目标。
2. Yolov3使用了更深的网络架构。Yolov3使用了53个卷积层的Darknet-53作为骨干网络，而Yolov2只有19个卷积层的Darknet-19。更深的网络能够提取更多的特征信息，提高目标检测的准确性。
3. Yolov3采用了多尺度损失函数。为了处理不同尺度目标的检测问题，Yolov3在不同尺度的输出层上使用了不同的损失函数。这样可以更好地平衡不同尺度目标的预测结果。
4. Yolov3引入了更细粒度的Anchor Box。在Yolov2中，每个格子只有一个Anchor Box用于预测，而Yolov3引入了不同大小和宽高比的Anchor Box，使得模型能够更好地适应不同形状和比例的目标。