YOLO V3个人笔记

Yolo v3算法的理解

YOLO V3算法在基于V1 V2的算法基础上,做了以下几个方面的改进来增加算法的性能

多尺度下的Anchor box

    YOLO v3算法分别在三个不同的尺度下各得到9个anchor box,与YOLO V2产生anchor box
  的方法一样,我们同样采用在三个不同尺度下使用k-means算法,一共得到9个anchor box。
  通过这样的方法得到更多大小的anchor box,有利于对于小目标的目标检测

特征提取

   与YOLO v2采用Darklet-19网络提取特征不同,V3中采用了一个包含53个卷积层的作者
 称为Darknet-53的网络进行特征提取,在该网络的输入图像的尺寸并没有作指定的要求,
 而是只要满足为32的倍数即可。

结合这两种思想,我们在训练过程中得到预测框的过程如下所示

     当我们输入一张图片时,我们会在Darknet对图片分别下采样8被,16倍,32倍这三个尺度下
   预测bounding boxes,如当我们输入图片大小为256*256的时候,首先我们在下采样32
   即8*8的特征图时,得
   到一个8*8*3*(5+80)的输出:
                           其中8*8表示grid cell的数目,同理我们可以知道其对于原图的感受野为32*32,3表示预测3个boungding box,5即表示bbox的tx,ty,tw,th和置信度c,80表示对80个类别的条件概率预测、
   同时,我们又将8*8的特征图上采样到16*16与原输入在网络中下采样16倍后的特征图融合
   在此得到一个 16*16*3*(5=80)的预测,再重复操作,得到一个32*32*255的输出

由上述我们可以看出,对于输入尺寸为256256的图片来说,我的得到的预测bbox个数为(883+16163+32323),且每个box覆盖的感受野也从3232到8*8,因此其对于小目标检测以及多目标检测都有较好的效果。

损失函数

     首先我们回顾YOLO v1 v2我们对于每个bbox的标签值为bbox与gt的IOU,
 而再YOLO V3中我们则以一种逻辑回归的思想,其标签值非0或1,我们将所有的预测bbox
 分为以下三类,
           负责预测物体的gird cell中存在的与gt交互比最大的bbox作为正样本,标签值为1
           Iou>0.5但不是上述最大iou的bbox,我们忽略他们
           IOU<0.5的bbox我们作为负样本,其标签值为0.
           同时,在计算正样本的置信度预测误差时我们分别计算其每个类别的预测值与标签的
           二元交叉熵损失。

综上,我们得到的YOLO V3算法中的损失函数如下图所示(图片来自b站同济子豪兄)
YOLO V3个人笔记_第1张图片

综上所述,YOLO V3算法的改进主要体现在多尺度,不同大小的anchor及在网络不同的层上进行预测,得到尺度完全不同的bbox,使得bbox数量大幅度提升
以及对于这些bbox作为正负样本的处理和该算法中损失函数的得到,

你可能感兴趣的:(目标检测,深度学习,机器学习)