YOLO系列总结

2018 December 04 yolo系列总结

YOLO系列总结

相比 RCNN系列，YOLO 系列的主要缺点：

• 识别物体位置精准性差；
• 召回率低；

主要原因是每个网格预测固定数量的物体使候选框数量减少；

网络结构

Backbone

YOLO v1

• 改进 GoogLeNet，用 1x1 和 3x3 卷积核代替 inception modules；
• Leaky ReL：f(x)=max(x, 0.1x)；

YOLO v2 —— darknet19

YOLO v3 —— darknet53

• resnet 思想，添加了 residual block，降低了梯度消失的风险；
• 不使用 pooling 层，而是用步长为 2 的卷积层代替，避免了信息丢失;

Concat Layer

YOLO v1 —— 无

YOLO v2 —— 维度拼接，一次，第 16 层 26x26x512 → 13x13x2048 与第 24 层拼接；

YOLO v3 —— 维度拼接，两次

Fully Connected Layer

YOLO v1 —— 两层全连接层；

YOLO v2 —— 无（大大减少了参数规模）；

YOLO v3 —— 无

Upsample Layer

YOLO v1 —— 无

YOLO v2 —— 无

YOLO v3 —— 非线性插值法，上采用两次；

Anchor Box

YOLO v1 —— 无

YOLO v2

• k-means 聚类对数据集的ground truth聚类;
• 聚类的计算方式：使用 IOU 参与距离计算，若使用欧氏距离会使较大的 BBox 比小的 BBox 产生更大的误差，而 IOU 与 BBox 尺寸无关；使用聚类方法达到相同的 IOU 结果时所需的 anchor box 数量更少。
• 5 个尺度的 anchor boxes，使用 1 种尺度的 feature map;

YOLO v3

• k-means：同 YOLO v2
• 9 个尺度的 anchor boxes，使用 3 种尺度的 feature map，每个 feature map 分配 3 个尺度的 anchor boxes;

Bounding Box

YOLO v1 —— grid cell

• 直接预测 BBox 的位置和大小；
• 一个 grid cell 预测一个类；

YOLO v2 —— anchor box + offset + sigmoid activation

• 预测 BBox 相对于 anchor boxes 的偏移量；
• 一个 anchor box 预测一类，解决临近物体检测效果不好问题；
• offset：相较于直接预测的 BBox 位置，预测物体的偏移量，更易稳定收敛；
• sigmoid activation：当预测的 region proposal 的中心点相对于 anchor boxes 中心的偏移量较大时，不好收敛，导致模型在训练初期不稳定。将预测值加以 sigmoid 运算，将 region proposal 的中心点限定在 anchor box 的中心点所在的 grid cell 里；

YOLO v3 —— 同 v2;

模型输入

数据增强

YOLO v1

• 饱和度
• 曝光度
• 色调
• 抖动

YOLO v2

• 同 YOLO v2;
• 反转180°;
• 多尺度训练;

YOLO v3 —— 同 v2;

图像输入大小

YOLO v1 —— 预训练模型输入大小为 224x224，检测模型输入大小为 448 x 448；

YOLO v2 —— Multi-Scale Training：每个 10 个 batches 随机选择一种分辨率输入（320~608，32的倍数）;

YOLO v3 —— 同 v2;

模型输出

Output Shape

YOLO v1

• 每个 grid cell 预测一个类别概率；
• S × S × (B × [x, y, width, height, confidence] + C)；
• 7x7x(2x5+20)；

YOLO v2

• 每个 bbox 预测一个类别概率；
• S × S × B × ([x, y, width, height, confidence] + C)；
• 13x13x(5x(5+80))；

YOLO v3 —— 同 v2;

训练细节

防止过拟合

YOLO v1 —— 也使用了 BN，同时在 FC 中使用 dropout

YOLO v2 —— 取消 dropout 均使用 BN：提升模型泛化能力的同时使得模型更容易收敛；

YOLO v3 —— 同 v2;

优化器

YOLO v1 ——

YOLO v2 —— SGD

• learning rate = 0.001
• weight decay = 0.00005
• momentum = 0.9

YOLO v3

损失函数

Obj Loss

• 用于判断对应区域是否为物体的损失；
• One-Stage 目标检测算法的正负样本不均衡的问题比较严重，对于设计损失函数还会有一些针对创新；

Cls Loss

YOLO v1

YOLO v2 —— Softmax Loss

YOLO v3 —— Logistic Loss

• 这个改进主要是用于多标签分类。Softmax 输出的结果有互斥性，只能预测一类，而如果一个物体有多个标签（如：人和女人），Softmax 是做不到的。

• Softmax 可被独立的多个 logistic 分类器替代，且准确率不会下降。分类损失采用 binary cross-entropy loss.

Loc Loss

YOLO v1 —— 对宽高都进行开根，使得预测相同的偏差时更小的框产生更大的损失；

YOLO v2 —— 使用 $2 - W_{ij}*h_{ij}$，使小物体的惩罚比大物体重；

YOLO v3 —— 同 v2;