YOLO系列之yolov1解读（1）

论文地址： https://arxiv.org/pdf/1506.02640.pdf

说明

• 这个系列会总结关于yolo的解读，为本人理解，还望交流指正。

V1版本：

• v1版本的结构为

img --》VGGNET–》4096-》7730

原理

• 将图像分为7*7 的格子，每个格子预测两个先验框
• 一开始会初始化GT的中心点，那些落在中心点的格子负责预测物体，并且一个格子只负责一个物体的预测，那些没落到中心点的格子，不负责预测物体。（简单说有中心点的格子负责预测物体，没有格子的不负责预测）
• 通过训练进行预测框的更新

解析

7 * 7 * 30
7cell* cell * ((x,y, w,h ,confidence) * 2, 20类的概率）

损失函数的定义

位置 + 大小 + confidence + rnoobject Confidence + 类预测

coord 是object 为1 的 ，比较重要，所以coord 的概率要设置比较大， noobj的概率设置较小。
根号是为了避免小偏移对大图像的影响过小。

技巧

为了更好的收敛， 让（x,y)坐标变成偏移量，如坐标为（3.4, 4.5）, 可以设置为（0.4， 0.5），在计算的时候再加上3和4， 能使得更快更好的收敛

• 只对最大的预测框进行回归修正，实验证明，并不会降低map

• 采用非极大值预测方法， 如果对于一些大物体，可能会有多个网格同时预测同一个物体。

• 对置信度修改， 结合类别的概率* IOU，可过滤小概率物体大IOU的框
  

总结

• v1中每个格子只负责预测一个物体， 所以对于小物体和重叠的物体无法更好的预测出。
• 运用全连接层，使得计算量大并且复杂。

参考

https://zhuanlan.zhihu.com/p/70387154?utm_medium=social&utm_oi=1160532055342977024