两周总结-----YOLOv3 算法理解以及代码的学习

一、YOLOv3算法解读

YOLO算法，学了两个星期， 看了论文、视频、源码解读，还没完全看完，现将这两周收获记录于此文，以及参考的一些资料也放于此。
资料：
1.对anchor box 的讲解，YOLOv2里的内容：
https://www.bilibili.com/video/BV1Q64y1s74K?spm_id_from=333.337.search-card.all.click
2.yolov3讲解：
https://www.bilibili.com/video/BV1Vg411V7bJ?spm_id_from=333.337.search-card.all.click
3.YOLO v3 源码实现的讲解-- pytorch版
https://blog.csdn.net/qq_34199326/article/details/84072505
4.代码里一些不好懂的语法举例说明
https://www.cnblogs.com/sdu20112013/p/11151453.html

1、grid cell的作用以及anchor box里的数据

gridcell就是将一张图片分成了几个网格，下图被分成了13 * 13份，每一份网格就是一个gridcell。

图一 红格子就是一个 grid cell

每一个gridcell都会负责去预测一个物体，会产生 3个anchor box。对于 13 * 13的gridcell 负责检测大物体，他会产生3个大尺寸的anchorbox，对于26* 26 检测中物体，产生3个中等尺寸的anchor box，对于52* 52 检测小物体，产生3个小尺寸的anchor box。

举一个例子，我们可以得到下图：
一个gridcell里有3个bbox（bbox 和anchor box的关系见下文），每一条bbox里面的参数是（bx, by, bh, bw, c, c_class1, c_class2…）即它的维数为（5+分类数）也就是该包围框的坐标，包含物体的概率（c）+类别数

根据此图可以计算出，在yolov3里，输入一张图片会产生（13* 13 + 26* 26 + 52* 52）* 3 = 10647个类别框。

2、yolov2里加入的anchor box 思想以及算法思想

1、需要先明白对于框的算法里到底有哪些参数：
在训练集中：
1）标注框------ 喂进去的训练图片里事先标注好的框（拿来进行损失计算的参照）；
2）anchor box ------每一个gridcell会自带大中小，各3个，不同尺寸的框，这些框的宽比是事先预定好的；
3）bbox------负责预测的gridcell 随机产生一个偏移量（tx，ty，tw，th），由偏移量和此gridcell下最合适的anchor box尺寸大小联合生成的预测框 此偏移量就是我们拿去计算损失函数的依据，我们随机给定它的初始值。

图一 三类框的关系

其中bbox的坐标（bx, by, bw, bh）与anchor box（pw, ph）和偏移量（tx, ty, tw, th）的计算关系如下图，其中（cx，cy）是该gridcell左上角的坐标，做此计算可以获得bbox的重心坐标以及长宽尺寸：
图二 虚线是anchor box，蓝线是预测框bbox

3、损失函数的计算

截取了一张b站博主做的解读，讲的非常好

4、预测机理

现在讲述gridcell是如何进行预测的

grid cell 的工作机理：如下图，红色格子里的grid cell 自带了三个不同大小的蓝色anchor box，
1、计算iou： 发现中等蓝色anchor box与黄色标注框的iou更大，准备选用这个anchor box来帮助预测；
2、在红色grid cell 随机的设置一个偏置（tx ， ty ，tw， th）再根据公式，计算出预测框bbox的坐标（bx ， by ，bw， bh），再根据特征提取判断grid cell 到底是否包含这个物体，置信度c是否可靠（是否大于判断值），如果不可靠，将这个bbox的所有值都置零即判断这个框无效；如果可靠，就保留原样这个bbox；
3、非极大值抑制，一个bbox可能预测出的好几类，我们只选用最有可能的类；
4、损失函数计算，优化。