YOLOv3是一种高效的目标检测算法，能够快速准确地检测对象。它使用一次性检测方法，同时完成对象分类和边界框回归。采用Darknet-53作为主干网络，使用特征金字塔网络实现多尺度检测，预测对象位置时使用预定义的锚框。适合实时视频流处理，广泛应用于工业界和学术界。

该文介绍了一种名为 Inner-IoU 损失函数的方法，通过辅助边界框计算 IoU 损失，加速了边界框回归过程，并提高了检测性能。该方法在不同数据集和检测器中引入缩放因子比例以控制辅助边界框的尺寸，经过模拟和比较实验证明了其有效性和普适性。

本文介绍了一种新的弱监督目标定位方法，称为伪监督目标定位（PSOL）方法。该方法将弱监督目标定位分为类不可知对象定位和对象分类两个部分，并使用PSOL方法生成噪声伪标注来进行类不可知对象定位。在此基础上进行边界框回归，通过该方法生成的伪边界框在未进行精调的情况下，在ImageNet数据集上实现了58.00%的定位精度和CUB-200数据集上的74.97%的定位精度，具有很好的可迁移性。