【新系列】【Day1】Yolo复习和提高

CV系列开篇：

深度学习经典检测方法：
统一的规律：网络越简单，速度越快，效果越差。

two-stage两阶段：Faster R CNN 、Mask R CNN

增加了一个预选框,然后再进行识别
优点：速度慢了点，无法做到实时。
缺点：

one-stage单阶段：YOLO系列

直接选出结果
one-stage
优点：
速度快！（可以基于视频去做、做实时的，最高200 FPS （每秒最快200帧）），可以控制网络的复杂度；
mAP值高
mAP 是综合的去描述检测效果（为什么取用mAP，是因为 ** 精度**，recall虽然很好，但乍一眼看去，两个算法无法比较） https://blog.csdn.net/bestrivern/article/details/98482493
IOU 真实值与预测值交集（越重叠，交集越大,所以越大越好）和并集的比值.

计算：

precision准确率，举例子，我是预言家，给了10个预言，9个对了，啥也不知道的路人就说我对了9个，准确率很高，对应的是TP+FP（就是我的预言），TP是对的，我的预言准确率为90%。

recall召回率，举例子，我是放鸽子的人，放了10个，然后实际回来9个，熟悉我的人知道我召回率为90%，所以认为我确实放了10个。对应的（TP+FN）是真的放了10个，9是TP召回的，我的召回率为90%。

基于置信度阈值：0.9、0.8、0.7的时候

图片来自哔哩哔哩视频讲解https://www.bilibili.com/video/BV1ha411r7cK?p=6
mAP就是图中各个阈值对应的面积之和（A1+A2+A3+A4）

2015年的情况

核心思想：
随便弄两个经验值，然后算一个更好的（IOU来），再对长和宽进行回归，让x,y(起始位置)，w和h（宽和高）最合适，同时还要预测框中的物体是否是一个物体（置信度）。
-> 5个值 x,y,w,h（给出很多候选框）+confidence（过滤掉大部分框），最后归到最终结果！

YOLOv1：输入值固定为4484483，但可以reset，主要是全连接层大小限制死了->20481024。

v1就是一个普通的卷积神经网络，没啥好学的。v3再好好看网络。

上文说到，5个值 x,y,w,h（给出很多候选框）+confidence（过滤掉大部分框），最后归到最终结果！然后每个物体会预测两个框，所以有10个，然后剩下的是检测的20个类别（人为定的，20个检测目标）
所以最后的是77*（5+5+20）= 1470，虽然不准，但是快呀！！！

损 失函数：误差来源：x,y,w,h(框的位置误差)，confidence（跟真实值的差距误差）
目标1：在图中画尽量正确的框
s*s的网格中逐个去求预测结果，求完每个Aij一个会自动产生两个候选框一个竖着，一个横着。然后选出IOU跟真实值接近的一个，x,y求差，在w和h加根号再求差，因为加上根号数值小时会敏感些（小物体小误差也得重视），大物体数值大的时候，变化率会小一些，但实际上效果较小！

目标2：分清前景（少部分框）和背景（大部分框）->背景为0，前景为1
方法：算出各个框的IOU取大于0.5的作为一轮筛选，同时有多个时，选最大的那个。（IOU小于最大值的但包含物体的（0.5~MAX）的去除）
得到损失函数之confidence的误差：框内物体与真实值的差距 和+ ** 背景与真实值的差距** ★（背景多，所以背景前面加个小参数）

YOLO-v2相关