【YOLO系列】搞懂YOLOv1 ~ YOLOv3 各个指标参数分析，一篇就够

指标参数分析

深度学习经典检测算法

two-stage(两阶段)：Faster-rcnn Mask-Rcnn系列

• 速度通常较慢(5FPS)，但是效果通常还是不错的!
• 非常实用的通用框架MaskRcnn。
  

one-stage(单阶段)：YOLO系列

• 最核心的优势：速度非常快，适合做实时检测任务！
• 缺点也是有的，效果通常情况下不会太好！

指标分析

map指标：

综合衡量检测效果；需要把所有的阈值都考虑进来；MAP就是所有类别的平均。

精度：

召回率：

置信度

设定置信度阈值，超过阈值之后，才会被判定。

IOU

两个框可以看成 预测框 和 真实框 。

YOLO-V1

经典的one-stage方法
把检测问题转化成回归问题，一个CNN就搞定了！
可以对视频进行实时检测，应用领域非常广！

核心思想

网络架构

每个数字的含义

损失函数

NMS(非极大值抑制)

优缺点

优点

快速，简单！

缺点

• 每个Cell只预测一个类别，如果重叠无法解决
• 小物体检测效果一般，长宽比可选的但单一

YOLO-V2

YOLO-V2-Batch Normalization

每次Con之后默认追加归一化

• V2版本舍弃Dropout，卷积后全部加入Batch Normalization
• 网络的每一层的输入都做了归一化，收敛相对更容易
• 经过Batch Normalization处理后的网络会提升2%的mAP
• 从现在的角度来看，Batch Normalization已经成网络必备处理

YOLO-V2-更大的分辨率

• V1训练时用的是224 * 224，测试时使用448 * 448
• 可能导致模型水土不服，V2训练时额外又进行了10次448*448 的微调
• 使用高分辨率分类器后，YOLOv2的mAP提升了约4%

YOLO-V2-网络结构

• DarkNet，实际输入为416*416
• 没有FC层，5次降采样，（13*13）
• 1*1卷积节省了很多参数
  

YOLO-V2-聚类提取先验框

faster-rcnn系列选择的先验比例都是常规的，但是不一定完全适合数据集

K-means聚类中的距离: (一般K=5)

YOLO-V2-Anchor Box

• 通过引入anchor boxes，使得预测的box数量更多（13 * 13 * n）
• 跟faster-rcnn系列不同的是先验框并不是直接按照长宽固定比给定

without anchor	69.5 mAP	81% recall
with anchor	69.2 mAP	88% recall

YOLO-V2-Directed Location Prediction

V1使用的是下面的 位置偏移量

• bbox：中心为(xp,yp)；宽和高为(wp,hp)，则：
  

• tx=1，则将bbox在x轴向右移动wp；tx=−1则将其向左移动wp

这样会导致收敛问题，模型不稳定，尤其是刚开始进行训练的时候 （因为初始化是随机的）

V2使用的是下面的 grid cell偏移量

• V2中并没有直接使用偏移量，而是选择相对grid cell的偏移量
• 计算公式为：
  

例如：

预测值(σtx,σty,tw,th)=(0.2,0.1,0.2,0.32)，

anchor框为：

在特征图位置：

在原位置：

感受野

概述来说就是：从最后的特征图上的点能看到原始图像多大区域

假设输入大小都是hwc，并且都使用c个卷积核(得到c个特征图)，可以来计算 一下其各自所需参数：

堆叠小的卷积核所需的参数更少一些，并且卷积过程越多，特征提取 也会越细致，加入的非线性变换也随着增多，还不会增大权重参数个数，这就 是VGG网络的基本出发点，用小的卷积核来完成体特征提取操作。

YOLO-V2-Fine-Grained Features

最后一层时感受野太大了，小目标可能丢失了，需融合之前的特征

YOLO-V2-Multi-Scale

都是卷积操作，！一定iterations之后改变输入图片大小
最小的图像尺寸为320 x 320；最大的图像尺寸为608 x 608

YOLO-V3

多scale

为了能检测到不同大小的物体，设计了3个scale

• 13 X 13 的检测大型物体
• 26 X 26 的检测中型物体
• 52 X 52 的检测小型物体

scale变换经典方法

不同的特征图融合后进行预测

残差连接——为了更好的特征

• 基本所有网络架构都用上了残差连接的方法
• V3中也用了resnet的思想，堆叠更多的层来进行特征提取
  

核心网络架构

• 没有池化和全连接层，全部卷积
• 下采样通过stride为2实现
• 3种scale，更多先验框
• 基本上当下经典做法全融入了
  

4 + 1 + 80

• 4 指的是 x y w h
• 1 指的是 置信度
• 80 指的是 检测的对象种类，根据自己实际情况而定

先验框设计

YOLO-V2中选了5个，这回更多了，一共有9种

• 13*13特征图上：(116x90)，(156x198)，(373x326)
• 26*26特征图上：(30x61)，(62x45)，(59x119)
• 52*52特征图上：(10x13)，(16x30)，(33x23)
  

softmax层替代

• 物体检测任务中可能一个物体有多个标签
• logistic激活函数来完成，这样就能预测每一个类别是/不是