yolov3改进了yolov1和v2的缺点，是速度和精度最均衡的目标检测网络，重点解决了小物体检测的问题
Yolov3改进策略
①更好的主干网络（类ResNet）
②多尺度预测（类FPN）
聚类来得到Bbox的先验，选择9个簇以及3个尺度将这9个簇均匀的分布在这3个尺度上
③更好的分类器
binary cross-entropy loss
Softmax不适用于多标签分类Softmax可被独立的多个logistic分类器替代，且准确率不会下降
Darknet框架
Yolov3的源码是采用darknet框架来完成的
注意区分这个darknet框架和yolov3的darknet-19网络
由C语言和CUDA实现GPU显存利用效率较高第三方库的依赖较少容易移植到其它平台，如Windows或嵌入式设备Yolo主页：https://pireddie.com/darknet/yolo/
Yolo系列网络优缺点
优点
快速，pipline简单背景误检率低通用性强
但相比RCNN系列物体检测方法，YOLO具有以下缺点：
识别物体位置精准性差召回率低
