深度学习自学记录（7）——yolov3的整体流程四大步详细纪录

1、整体流程

YOLO系列是很流行的目标检测模型。现在已经更新到yolov4版本，但最经典的还是yolov3版本，v4可以说是对yolov3的一些列改进手段的最优组合。
yolov3总得来讲可以分为四大模块：
（1）特征提取+yolohead：获得模型的输出y_pre；
（2）y_pre的解码：将y_pre转化为预测结果，得到真实图片上的预测框的位置（Xmin，Xmax，Ymin，Ymax）、框的得分以及目标类别；
（3）真实标签的编码：将标签文件中的真实值转化成与y_pre相同形式的tensor——y_true；
（4）loss值计算：对比y_pre，y_true计算loss值进行训练。

第一部分的过程很简单，对图片进行特征提取并输出一定shape的tensor，本篇博客主要记录一下解码得到预测结果，编码过程以及loss计算的部分。

2、解码得到预测结果

yolo输出的结果中包含三个不同尺度