目标检测--YOLO算法

Yolo

介绍

YOLO v1

算法

• yolo v1缺陷：一个格子只能对应一个类别，不能对应多个类别，导致无法对小物体识别

YOLO v1网络结构

损失函数

网络训练

• 这里使用ImageNet输出类别个数为1000,将最后的FC去掉，换成输出类别个数为S * S * (B*5+C)
• ImageNet用于分类，yolo算法是回归的方法
• 将图片扩大，对于卷积生成的feature map来说并不敏感，对卷积核数敏感
• FC的输入与feature map大小相关，通过改变图像分辨率，继续使用预训练模型conv，提取feature map。

网络的缺陷

• 没有考虑大物体误差与小物体的误差，默认的贡献是相同的

性能

YOLO V2

介绍

• 采用卷积层替代FC的好处在于使feature map作为输入的大小不敏感
• coco用于检测的数据集，学习目标的位置，Imagenet用于分类，学习分类，通过多任务提高准确度

改进之处

• DarkNet比VGG更快
• Batch Normalization更稳定，收敛更快
• 卷积替代FC,可以输入多尺度的图像

• 采用416而非448，是因为448448采样后产生1414的feature，没有一个位于中心的网格，而416416采样产生1313的feature，这样可以预测位于中心的物体（一般大物体占据图像的中心位置），1313上采样得到416416

• Anchor Box对比与建议框，召回率有显著的提升，mAP准确值降低
• Anchor Box预测的框的个数比之前的个数要多1521>98
• 通过k-means聚类的方式，进行回归，找到最好的BoundingBox，但传统通过欧式距离计算，导致较大的BoundingBox比较小的BoundingBox产生更多的error，聚类的结果也产生偏离。
• 这里聚类作者使用IOU得分方式。BoundingBox的交集除以它的并集，这样得到的误差与BoundingBox的尺寸无关了。

• 可以输入不同尺寸的图像在于使用卷积层，同一网络，执行不同图像的检测任务，在小尺寸的图像上，执行更快，在速度与性能上达到平衡
• 28*28尺寸fps能达到90，准确率与faster-rcnn达到同一水准。

网络结构

• 较YOLO V1而言，YOLO V2以每一个边框预测多个分类。

性能对比

• WorldTree同一类中区分具体类别，例如狗，牧羊犬、藏獒等

使用场景

• 用于低性能的GPU
• 高帧率的视频检测
• 多路视频场景中
• 低功耗

Yolo V3

介绍

### 改进策略

• 精度提高，速度下降
  
• 从多个不同的featuremap上提取特征作为yolo检测的输入
• Anchor的选择也是通过聚类的方式选择合适的长宽比，得到9个聚类中心，平均的分到3个尺度上啊，每个尺度对应3个BoundingBox
• 对于每种尺度，使用卷积层进一步提取特征，之后输出box的信息
• 对于尺寸2，3而言，需要对前者卷积的结果上采样，再与自己的featuremap相加,再通过卷积，输出boundingbox信息
• 尺寸的大小相较于前者尺度扩大了两倍

• softmax只分别一个标签，对于分别多个标签不行

网络性能

• 对于使用ResNet而言，识别率有所下降

Darknet框架

YOLO算法的优点