yolo系列

参考资料：https://blog.csdn.net/guleileo/article/details/80581858

一、yolov1

核心思想：输入整张图，直接在输出层回归bounding box的位置和类别概率。

摘要

此篇文章提出一种新的物体检测方法yolo，对于先前检测工作的分类器重新利用。把目标检测看作一个回归问题得到bounding box的空间位置和相关分类的概率。单个网络在一次评估中从完整图像中预测出bounding box框和类概率。因为整个检测框架是一个单网络，可以在检测性能上直接被端到端优化。结构非常快，基础yolo实时达到45帧/s。较小版本达到155帧/s，同时是其他实时检测器mAP的2倍。

问题：一种新的物体检测方法

方法：用回归思想解决物体检测，输入完整图像，直接在输出回归物体的bounding box框和类概率。

把输入图像换份为S*S个格子，对每个格子预测B个box以及置信分数，再通过NMS得到最终的框。简单粗暴的全部采用了 sum-squared error loss 。

效果：速度快，45帧/s；较小版本达到155帧/s，同时是其他实时检测器mAP的2倍。

缺点：yolo产生更多的定位误差，yolo学习目标的一般表示。

YOLO 对相互靠的很近的物体，还有很小的群体检测效果不好，这是因为一个网格中只预测了两个框，并且只属于一类。

同一类物体出现的新的不常见的长宽比和其他情况时，泛化能力偏弱。

由于损失函数的问题，定位误差是影响检测效果的主要原因。尤其是大小物体的处理上，还有待加强。

二、yolov2

YOLOv2：代表着目前业界最先进物体检测的水平，它的速度要快过其他检测系统（FasterR-CNN，ResNet，SSD），使用者可以在它的速度与精确度之间进行权衡。

核心思想：YOLO9000：这一网络结构可以实时地检测超过 9000 种物体分类，这归功于它使用了 WordTree，通过 WordTree 来混合检测数据集与识别数据集之中的数据。

1、提出一种联合训练算法，把分类数据集（ImageNet）和目标检测数据集（COCO）混合起来训练检测器，用分类数据集提高分类精确度，用检测数据集学习准确定位。

2、简化网络（加入BN，高分辨率、去掉全连接层使用anchor boxes、对box做聚类、多尺度训练）

wordTree优点：对未知或者新的物体进行分类时，性能降低的很优雅（gracefully）。比如看到一个狗的照片，但不知道是哪种种类的狗，那么就高置信度（confidence）预测是”狗“，而其他狗的种类的同义词如”哈士奇“”牛头梗“”金毛“等这些则低置信度。

三、yolov3

YOLOv3 在 Pascal Titan X 上处理 608x608 图像速度可以达到 20FPS，在 COCO test-dev 上 [email protected] 达到 57.9%，与RetinaNet（FocalLoss论文所提出的单阶段网络）的结果相近，并且速度快 4 倍。

yolov3在测试时会查看整个图像，预测用到了全局信息。

改进：

1、多尺度预测（类FPN）——每种尺度预测 3 个 box, anchor 的设计方式仍然使用聚类，得到9个聚类中心，将其按照大小均分给 3 个尺度

2、分类网络（类ResNet）和分类器（darknet-53）

四、总结

yolov1将目标检测分类问题转化为直接回归问题

yolov2采用了联合训练算法（将检测数据集和分类数据集混合训练）提高分类和定位精确度

yolov3采用多尺度预测和更快的分类网络darknet-53分别提高定位精确度和分类速度，同时也用到了anchor box的思想

五、yolo和SSD区别

SSD是结合了yolo系列的回归思想和Faster RCNN的anchor box思想得到的一阶段目标检测方法。

1、SSD在CNN后直接检测，yolo在全连接层后检测。

2、SSD提取了不同尺度的特征图来做检测，大尺度特征图（较靠前的特征图）可以用来检测小物体，而小尺度特征图（较靠后的特征图）用来检测大物体；

3、SSD采用了不同尺度和长宽比的先验框（Prior boxes, Default boxes，在Faster R-CNN中叫做锚，Anchors）。

Yolo算法缺点是难以检测小目标，而且定位不准，但是这几点重要改进使得SSD在一定程度上克服这些缺点。