系列说明：本系列共四篇，本篇为第二篇，聚焦 YOLOv3 的多尺度检测架构，以及如何使用 LabelMe 工具完成自定义数据集的标注、格式转换与模型训练全流程。

---

一、YOLOv3 核心改进概览

论文：《YOLOv3: An Incremental Improvement》（2018）
作者：Joseph Redmon & Ali Farhadi

YOLOv3 相比 YOLOv2 没有颠覆性变化，但通过一系列精心设计的改进，在精度上大幅提升，尤其是对小目标的检测能力显著增强。

核心改进点：

改进点	YOLOv2	YOLOv3
主干网络	Darknet-19	Darknet-53（引入残差结构）
检测尺度	单尺度（13×13）	三尺度（13×13、26×26、52×52）
分类器	Softmax（互斥）	独立 Logistic（支持多标签）
先验框数量	5 个	9 个（分 3 组，每组 3 个）

---

二、Darknet-53：强大的特征提取骨干

2.1 架构设计

YOLOv3 使用 Darknet-53 作为骨干网络，其命名来自网络共有 53 个卷积层。相比 Darknet-19，它引入了 ResNet 中的残差连接（Residual Block）：

输入 x
   │
   ├─ Conv(1×1) → Conv(3×3) → 特征输出
   │
   └─ shortcut（直连）
         ↓
      输出 = 特征输出 + x（残差相加）

残差连接的好处：

• 有效缓解梯度消失问题；
• 支持构建更深的网络；
• 特征可以在层间自由流动。

图1：Darknet-53 由卷积模块（Conv Block）和残差块（Residual Block）交替构成

2.2 特征图尺寸变化

以 416×416 输入为例，经过 Darknet-53 后：

416×416 → 208×208 → 104×104 → 52×52 → 26×26 → 13×13

YOLOv3 从最后三个尺度（13×13、26×26、52×52）分别引出特征图用于检测。

---

三、多尺度检测：FPN 思想的应用

3.1 为什么需要多尺度检测？

• 大目标：在下采样后的小分辨率特征图（13×13）上检测，感受野大；
• 中等目标：在中等分辨率特征图（26×26）上检测；
• 小目标：在高分辨率特征图（52×52）上检测，空间分辨率高，保留了更多细节。

这正是**特征金字塔网络（FPN）**的核心思路。

3.2 多尺度特征融合

YOLOv3 采用自顶向下的特征融合方式：

Darknet-53特征提取
        │
   13×13特征图 ──────────────────────────── 检测头①（大目标）
        │
  上采样 ×2 = 26×26 + concat(26×26浅层特征)
        │
   26×26特征图 ──────────────────────────── 检测头②（中目标）
        │
  上采样 ×2 = 52×52 + concat(52×52浅层特征)
        │
   52×52特征图 ──────────────────────────── 检测头③（小目标）

图2：YOLOv3 三尺度检测结构，融合不同层的特征信息

3.3 先验框分配策略

YOLOv3 通过 K-Means 聚类在 COCO 数据集上得到 9 种先验框，按尺寸分为三组分配给三个检测尺度：

检测尺度	先验框尺寸	适合检测目标
13×13（感受野最大）	(116×90), (156×198), (373×326)	大目标
26×26（中等感受野）	(30×61), (62×45), (59×119)	中等目标
52×52（感受野最小）	(10×13), (16×30), (33×23)	小目标

规律：大感受野对应大先验框，小感受野对应小先验框，感受野与先验框尺寸需要匹配。

---

四、YOLOv3 输出格式解析

每个检测头的输出张量形状为：

$$N\times N\times [3\times (5+C)]$$

其中：

• $N\times N$：特征图分辨率；
• $3$：每个格子对应 3 个先验框；
• $5$：$[x,y,w,h,\text{objectness}]$；
• $C$：类别数（COCO 为 80，VOC 为 20）。

以 COCO 数据集为例：

• 13×13×255（255 = 3×85 = 3×(5+80)）
• 26×26×255
• 52×52×255

---

五、分类器改进：Logistic 替代 Softmax

5.1 Softmax 的局限性

Softmax 将所有类别的概率归一化，假设类别互斥（即一个目标只能属于一个类别）。但现实场景中存在类别重叠：

示例：一只猫，既是"猫"也是"动物"，这两个标签同时成立。

Softmax 无法处理这类多标签（Multi-label）情况。

5.2 独立 Logistic 分类器

YOLOv3 为每个类别独立使用 Sigmoid（Logistic）函数：

$$P({\text{class}}_i)=\sigma (z_i)=\frac{1}{1+e^{-z_i}}$$

每个类别的预测相互独立，通过设置阈值（如 0.5）判断目标是否属于该类别，天然支持多标签分类。

对比示例：

图像	Softmax 输出	Logistic 输出
猫	猫:0.9, 狗:0.08, 动物:0.02	猫:0.8, 狗:0.3, 动物:0.7
预测结果	只预测"猫"	预测"猫"和"动物"（均>0.5）

---

六、LabelMe 数据标注工具实战

在自定义数据集训练 YOLOv3 之前，需要对数据进行标注。本节介绍使用 LabelMe 完成完整的标注与训练流程。

6.1 常用数据标注工具对比

工具	特点	支持标注类型
LabelImg	轻量快速，专注目标检测	2D 矩形框
LabelMe	功能全面，MIT 开源	多边形、矩形、圆、线、点
CVAT	企业级，支持视频	多边形、骨架、分割等
RectLabel	macOS 专用，支持 YOLO 导出	矩形框
VOTT	微软出品，支持半自动标注	矩形框

6.2 安装 LabelMe

# 方法一：pip 安装（推荐）
pip install labelme
pip install pyqt5
pip install pillow

# 方法二：从源码安装
git clone https://github.com/wkentaro/labelme.git
cd labelme
pip install -e .

安装完成后，在命令行输入以下命令启动：

labelme

图3：LabelMe 标注工具界面，支持多种标注类型

6.3 使用 LabelMe 进行标注

基本操作流程：

1. 打开文件夹：File → Open Dir，选择待标注图像所在文件夹；
2. 新建多边形/矩形：点击 Edit → Create Polygons 或 Create Rectangle；
3. 绘制标注框：在图像上拖拽绘制框，松开鼠标后输入类别标签；
4. 保存标注：Ctrl+S 保存，默认生成与图像同名的 .json 文件。

LabelMe JSON 格式示例：

{
  "version": "5.0.1",
  "flags": {},
  "shapes": [
    {
      "label": "cat",
      "points": [[100, 150], [300, 150], [300, 400], [100, 400]],
      "group_id": null,
      "shape_type": "rectangle",
      "flags": {}
    }
  ],
  "imagePath": "cat.jpg",
  "imageHeight": 600,
  "imageWidth": 800
}

图4：使用 LabelMe 对图像中的目标进行矩形框标注

6.4 JSON 格式转换为 YOLO 格式

LabelMe 默认输出 JSON 格式，需转换为 YOLO 训练所需的 .txt 格式。

YOLO 格式规范（每行一个目标）：

<class_id> <x_center> <y_center> <width> <height>

所有坐标值均为相对图像尺寸的归一化值（0~1）。

转换脚本（位于 utils/ 文件夹）：

import json
import os
from pathlib import Path

def labelme_json_to_yolo(json_path, label_map, output_dir):
    """
    将 LabelMe JSON 标注转换为 YOLO txt 格式
    
    Args:
        json_path: LabelMe 生成的 JSON 文件路径
        label_map: 类别名到 ID 的映射字典，如 {'cat': 0, 'dog': 1}
        output_dir: YOLO txt 文件输出目录
    """
    with open(json_path, 'r', encoding='utf-8') as f:
        data = json.load(f)
    
    img_w = data['imageWidth']
    img_h = data['imageHeight']
    
    yolo_lines = []
    for shape in data['shapes']:
        label = shape['label']
        if label not in label_map:
            continue
        
        class_id = label_map[label]
        points = shape['points']
        
        # 获取矩形框的最小外接矩形
        xs = [p[0] for p in points]
        ys = [p[1] for p in points]
        x_min, x_max = min(xs), max(xs)
        y_min, y_max = min(ys), max(ys)
        
        # 转换为 YOLO 格式（归一化）
        x_center = (x_min + x_max) / 2 / img_w
        y_center = (y_min + y_max) / 2 / img_h
        width = (x_max - x_min) / img_w
        height = (y_max - y_min) / img_h
        
        yolo_lines.append(f"{class_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}")
    
    # 写入输出文件
    output_path = Path(output_dir) / (Path(json_path).stem + '.txt')
    with open(output_path, 'w') as f:
        f.write('\n'.join(yolo_lines))
    
    print(f"Converted: {json_path} → {output_path}")


# 使用示例
label_map = {'cat': 0, 'dog': 1, 'person': 2}
json_folder = 'data/raw_labels/'    # LabelMe 生成的 JSON 文件夹
output_dir = 'data/custom/labels/'  # YOLO 格式输出目录

os.makedirs(output_dir, exist_ok=True)
for json_file in Path(json_folder).glob('*.json'):
    labelme_json_to_yolo(str(json_file), label_map, output_dir)

图5：JSON 标签格式转换为 YOLO 所需的 txt 格式

6.5 配置模型文件

可以根据训练模型中对应的config和data去查看改成类似的形式。
第一步：生成自定义模型配置文件

使用官方提供的脚本生成适配自定义类别数的配置文件（需安装 Git）：

# 在项目目录下右键 → Git Bash Here
# 2 代表自定义数据集的类别数（根据实际情况修改）
bash create_custom_model.sh 2

⚠️ 注意：每次运行前先删除旧的 yolov3-custom.cfg 文件，否则内容会追加到末尾导致配置错误。

第二步：修改类别名称文件

编辑 data/custom/classes.names，每行一个类别名称，顺序需与标注时一致：

cat
dog
person

第三步：配置数据路径文件

编辑 data/custom/custom.data：

classes = 2
train = data/custom/train.txt
valid = data/custom/val.txt
names = data/custom/classes.names
backup = checkpoints/

train.txt 和 val.txt 中写入对应图像的绝对路径，每行一条：

/path/to/dataset/images/img001.jpg
/path/to/dataset/images/img002.jpg
...

图6：数据配置文件结构与路径设置

6.6 训练与测试

训练命令：

# train.py 关键参数
python train.py \
    --model_def config/yolov3-custom.cfg \       # 模型配置文件
    --data_config config/custom.data \            # 数据配置文件
    --pretrained_weights weights/darknet53.conv.74  # 预训练权重（迁移学习）

测试/推理命令：

python detect.py \
    --image_folder data/samples/ \               # 测试图像文件夹
    --model_def config/yolov3-custom.cfg \       # 模型配置
    --checkpoint_model checkpoints/yolov3_ckpt_100.pth \  # 训练好的权重
    --class_path data/custom/classes.names       # 类别名称文件

6.7 完整工作流程图

原始图像
    ↓
LabelMe 标注（生成 JSON）
    ↓
json_to_yolo 格式转换（生成 txt）
    ↓
配置 classes.names / custom.data / train.txt / val.txt
    ↓
bash create_custom_model.sh <类别数>（生成 yolov3-custom.cfg）
    ↓
python train.py --model_def ... --data_config ... --pretrained_weights ...
    ↓
python detect.py --image_folder ... --checkpoint_model ...
    ↓
检测结果输出

---

七、YOLOv3 性能分析

7.1 与其他算法的对比（COCO 数据集）

算法	mAP@50	FPS	特点
YOLOv2	48.1	40	速度快，精度一般
YOLOv3	57.9	20	精度大幅提升，速度适中
SSD512	48.9	19	精度与 YOLOv3 相近
RetinaNet	61.1	5	精度高，速度慢
Faster R-CNN	55.7	7	精度高，速度慢

7.2 YOLOv3 的局限性

• 对密集小目标检测仍有不足；
• 训练速度较慢（相比 v2 网络更深）；
• 没有充分利用注意力机制等现代技巧。

这些问题将在 YOLOv4 中进一步解决。

---

八、小结

本文详细介绍了：

1. YOLOv3 的三大核心改进：Darknet-53 骨干、三尺度检测头、独立 Logistic 分类器；
2. 9 种先验框的分配策略：大感受野对应大框，小感受野对应小框；
3. 完整的自定义数据集训练流程：从 LabelMe 标注到 YOLO 格式转换再到模型训练。

掌握这套流程后，可以快速将 YOLOv3 应用到任何自定义目标检测任务中。下一篇将介绍 YOLOv4，它在 YOLOv3 基础上引入了更多先进技术，进一步突破了速度与精度的平衡极限。

---

参考资源

1. Redmon, J., & Farhadi, A. “Yolov3: An incremental improvement.” arXiv 2018.
2. LabelMe 官方仓库：https://github.com/wkentaro/labelme
3. COCO 数据集介绍：https://blog.csdn.net/qq_44554428/article/details/122597358
   分类器；

2. 9 种先验框的分配策略：大感受野对应大框，小感受野对应小框；
3. 完整的自定义数据集训练流程：从 LabelMe 标注到 YOLO 格式转换再到模型训练。