计算机视觉研究院专栏
作者：Edison_G
YOLOv2和YOLOv3是典型的基于深度学习的目标检测算法，它们使用统计自适应指数回归模型设计了网络的最后一层来预测目标的尺寸大小。
长按扫描二维码关注我们
一、简要
今天分享的是研究者提出了基于统计自适应线性回归的目标尺寸预测方法。YOLOv2和YOLOv3是典型的基于深度学习的对象检测算法，它们使用统计自适应指数回归模型设计了网络的最后一层来预测对象的尺寸大小。
然而，由于指数函数的性质，指数回归模型可以将损失函数的导数传播到网络中的所有参数中。研究者提出了统计自适应线性回归层来缓解指数回归模型的梯度爆炸问题。所提出的统计自适应线性回归模型用于网络的最后一层来预测从训练数据集的统计数据估计目标的尺寸大小。研究者新设计了基于YOLOv3tiny网络，它在UFPR-ALPR数据集上比YOLOv3有更高的性能。
二、背景
主要这个上韩文论文，导致本人阅读过程比较艰难，所以今天就简单介绍些整体框架思想，有兴趣的同学可以进一步阅读论文，深入了解！
今天我们就不介绍传统的检测网络了，因为我们”计算机视觉研究院“之前分享了太多的目标检测类干货及实践，想入门级进一步熟知请查看历史分享。部分分享见下链接：
往期推荐
