Yolo

Yolo (You Only Look Once) 是目标检测 one-state 的一种神经网络. 今天我们用一小时讲述一下 Yolo 的基本操作.

指标

IOU

IOU (Intersection Over Union) 反应了预测位置和真实物位置的相似度.

IOU = 交集 / 并集:

置信度

置信度 (box 内存在对象的概率 * box 与该对象实际 box 的 IOU)

公式:

一个预测框的置信度 (Confidence) 代表了是否包含对象且位置正确的准确度.

mAP

mAP (Mean Average Precision) 平均精度均值 是用来评价目标检测的常用指标.

mAP 是准确率和召回率的一个综合考量.

NMSE

NMSE (None-maximal Suppression) 非极大值抑制. 可以帮助我们消除多余的候选框.

B1,B2, B3, B4 四个框框都包含狗狗, 我们通过 NMSE 保留最大置信度 (B1), 去掉其他的候选框.

损失函数

Yolov1 vs Yolov2

网络结构

v1:

v2:

标准化

v2 版本舍弃 Dropout, 卷积后全部加入 Batch Normalization. 经过 Bach Normalization 处理后, 收敛相对更容易, 网络会提升 2.4% 的 mAP

高分辨率

• v1 训练时用的是 224 * 224, 测试使用 448 * 448. v2 训练时额外又进行了 10 次 448 * 448 的微调. 使用高分辨率分类器后, v2 的 mAP 提升了约 4%

无全连接层

v2 版本舍弃了 FC (Fully Connect) 层, 使用平均池化代替了全连接层.

锚框

以往的模型一个窗口只能预测一个目标. 通过引入锚框 (anchor box), 在训练中我们将每一个锚框视为一个训练样本, 通过使用不同形状的锚框, 可以使得预测框更有针对性.

Yolov3 vs Yolov2

网络结构

v2 (Darknet-19):

v3 (Darknet-53):

v3 去除了 maxpool, 通过步长为 2 的卷积来实现下采样.

Scale

为了能检测不同大小的物体, 设计了 3 种大小, 三种规格, 一共 9 种不同的先验框:

一个物体和哪个锚框匹配度最高就会被指定给这个锚框.

特征融合

对不同的特征图分别利用:

对不同的特征图进行融合:

预测

使用 logistic 激活函数代替 softmax, 解决了物体检测任务中可能一个物体有多个标签的问题.

版权声明：本文为CSDN博主「我是小白呀」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_46274168/article/details/118402894