YOLO 检测算法分析

主要对yolo v2最后一层卷积conv23输出的特征如何转换为bbox和置信概率结果输出进行分析?

步骤1---数据变换

Conv23输出的blob数据是[batch_num,(5+cls_num)*anchor_num,cell_w,cell_h]，其中batch_num是batch size，infer的时候一般为1，cls_num是目标分类数量，对于一般通用的coco数据集为80类，cell为输入图像的格子数量，yolov2里设为13*13，每个cell上设5个anchor。那么典型的conv23输出的数据为[1,425,13,13]维。

在步骤1中需要做维度变换，转换为[85,425]维进行处理，425=85*5为yolov2一共detection的数量，85为每次detection的检测信息。

转换步骤如下：

1. 将425个channel矩阵从上到小排列，编号为0~424；
2. 对于每个channel，将13*13展平为1*169，按照从左到右，从上到小的顺序展平；
3. 变换后的矩阵为85行，13*13*5列，将13*13*5列分为5个区域，每个区域将输入的channel展平后的向量按从上到下顺序依次排列，举例说明：

区域1：channel 0~channel 84

区域2：channel 85~channel 169

区域3：channel 170~channel 254

区域4：channel 255~channel 339

区域5：channel 340~channel 424

转换后的数据格式如下：

横排为detection，顺序为每个anchor按cell的排列从左到右，从上到下依次遍历，共13*13个，每个cell预设了5个anchor，所以是13*13*5=425次。

纵排一共85维，均为浮点数，说明如下：

Δx：anchor box中x坐标的相对偏移量；

Δy：anchor box中y坐标的相对偏移量；

Δw：anchor box中宽度w的相对偏移量；

Δh：anchor box中高度h的相对偏移量；

det_confs：anchor box中检测到物体的概率；

cls_confs:anchor box中检测到物体后，各类的预测概率。

步骤2---计算x、y偏移量

首先设定13*13个cell的定点坐标，取每个cell的左上角坐标为grid_x，grid_y，示意图如下：

然后，按步骤1中得到的Δx和Δy，结合预设的cell坐标，计算得到推理后anchor box的坐标xs和ys

计算公式如下：

坐标位置，cell还有anchorbox对应关系如下：

步骤3--计算w和h

参照步骤3，根据步骤1得到的Δw和Δh，结合预设的anchor长宽比，得到推理后anchor box的宽ws和高hs

计算公式如下：

其中anchor_w和anchor_h为5个预设anchor的宽和高，规格如下：

Anchor1：w=0.57273 h=0.677385

Anchor2：w=1.87446 h=2.06253

Anchor3：w=3.33843 h=5.47434

Anchor4：w=7.88282 h=3.52778

Anchor5：w=9.77052 h=9.16828

参数规格和conf阈值设置详见yolo.cfg

步骤4--计算框内出现物体的概率和物体分类概率

det_confs为anchor box中检测到物体的概率；cls_confs为anchor box中检测到物体后，各类的预测概率。找到cls_confs中概率最大的值和索引位置class_index，class_index对应该物体的类别。

那么最终的物体检测概率为：

sigmoid(det_confs)*softmax(cls_confs)

步骤5--根据分类概率阈值进行信息过滤

设置一个conf阈值，大于阈值的进行输出，以每个detection为单位，输出格式为：

[xs  ys  ws  hs  det_confs  cls_confs  class_index],前6个元素为float类型，最后一个为int

步骤6--非极大值抑制进行二次过滤

为了在多特征金字塔做detection，避免漏检提高检测率，实际上做了很多低效率的detection，要通过非极大值抑制掉，也叫nms，nms是detection的通用处理方法，不局限于SSD、yolo、faster_rcnn、SPPnet，适用于多种目标检测算法框架。

基本实现流程如下：

Step 1：选取一个特定的label；

Step 2：对于该label下的所有detection，按conf从大到小排序；

Step 3：选其中conf最大的做基准，其他的detection和基准框计算面积重合度（IOU），这个IOU和nms阈值做比较，高于阈值的detection是没有意义的，从该label的detection列表中移除；

Step 4：从该label的detection列表中找到conf第2大的做基准，重复step3，直到列表中所有detection没有能移除的为止；

Step 5：选取下一个label，重复step2~4；

Step 6：遍历结束所有label对应的detection，最终完成nms，排列得到最后的nms_out detection列表。

其中IOU是根据各个detection的4个坐标值计算得到的，为面积的交并比：

根据上图计算A、B和A B重叠的面积如下：

那么IoU值计算公式如下：