yolov系列-yolov1-论文详解

yolov1相关资料

yolov1论文详解

算法原理

在yolov1中作者将一幅图片分成7*7个网格(gird cell)，由网络的最后一层输出7 * 7 * 30的tensor，也就是说每个格子输出1 * 1 * 30的tensor。30里面包含了2个bounding box的x，y，w，h，confidence以及针对格子而言的20个类别概率，输出就是7 * 7 * （5 * 2 + 20），（通用公式：S * S个网络，每个网络要预测B个bounding box，还要预测C个categories，输出就是S * S * (5 * B + C)的一个tensor。注意class信息是针对每个网络的，confidence信息是针对每个bounding box的）

1. 网络设计
   我们的网络架构受到 GoogLeNet 图像分类模型的启发[34]。我们的网络有 24 个卷积层，后面是 2 个全连接层。我们只使用 1×1 降维层，后面是 3×3 卷积层，这与 Lin 等人[22]的模型结构类似，而不是GoogLeNet 使用的 Inception 模块。我们网络的最终输出是 7×7×30 的预测张量。完整的网络如下图所示。
   
   每个层的输出，见下图
   

2. 预测阶段

3. 训练阶段

• 7*7个目标框，最多只能预测49个物体，这是yolov1预测小目标和密集目标比较差的原因。
• 把目标检测问题当做回归问题解决的

4. 损失函数loss

• 4.1 负责检测物体的bbox中心点定位误差
• 4.2 负责检测物体的bbox宽高定位误差(加根号:小框对误差更敏感)
• 4.3 负责检测物体的bbox的confidence误差
• 4.4 不负责检测物体的bbox的confidence误差
• 4.5 负责检测物体的分类误差
  

yolov1优缺点

优点：

• 1. 速度快
• 2. 可以捕获全图的信息(globally about the image),隐式的编码图像上下文信息(不同物体之间的关系,比如人骑自行车、飞机和蓝天的关系);Fast R-CNN会犯把背景误判为目标的错误，因为他无法看到更大的上下文信息
• 3. 泛化能力、迁移能力比较强
     缺点：
• 1. map比较低
• 2. 定位性能比较差主要误差来源分类正确但定位误差大,定位误差较大
• 3. recall比较低
• 4. 检测小目标和密集目标比较差，只能预测7*7个物体

ap：pr曲线围成的面积
dropout 为什么能减少过拟合？

---

参考:
子豪兄的代码铺子
【精读AI论文】YOLO V1目标检测，看我就够了
【深度学习YOLO V1】深刻解读YOLO V1（图解）
【精读AI论文】YOLO V1目标检测，看我就够了