深度学习（26）——YOLO系列（5）

深度学习（26）——YOLO-v7（5）

咱就是说，需要源码请造访：Jane的GitHub：在这里

不知不觉YOLO系列已经出了四篇了，原本想着两三篇就差不多了，但是奈何YOLO是个大家，学都学不完，今天是YOLOv7理论，所以熟悉的可以预测到下一个就是v7代码了。

絮絮叨叨

在我们的认知中训练和推理（预测）的网络一定要是一样的，但是YOLO-v7即将颠覆我们的认知，训练和推理的网络可以不同。为了提高推理的效率，YOLO-v7在推理过程中做了两个改进

• 一般情况一个convolution层(conv层)后加一个batchnormalization（BN层），将两者融合为一个conv层计算
• VGG在2014年提出一个观点因为英伟达底层的原理，3 * 3的卷积效果和计算速率是所有卷积中效果最好的，所有YOLO-v7在推理过程中将所有卷积都替换为3 * 3卷积

1. conv和BN的融合

• batchnormalization是将一个channel的数值标准化，使其尽量集中在一个片区
  【BN的计算公式↓】 其中γ和β是两个可学习的变量，γ控制缩放，β控制偏移，尽可能让一个channel都集中在（0，0）
  

• 怎么融合呢？？

  • 卷积的格式无非是y=wx+b，将上式拆开↓，可以发现和卷积有相同的格式：
    
  • 卷积以后BN
  • 整合以后可以得出整合后的w和b是下面这样，就可用这样的卷积实现了

2. 3*3卷积的替换

YOLO-v7中除了3 * 3就是1 * 1 的卷积了，所以这里其实就是怎么将1 * 1的卷积转化成3 * 3卷积：

（1）1*1卷积有什么作用？

这个问题是前段时间ly留给我的问题，当时只想到了升维降维和特征提取，今天查了一下详细记录：具体大家可以参考这篇：blog

• 降维和升维
• 跨通道的特征整合
• 增加非线性特性，在保持特征尺度不变的情况下，将网络做的更deep
• 减少计算量

（2）怎么将1 * 1卷积核转化为3 * 3卷积核

将11卷积周围加padding就可，需要注意的是原图也要在周围增加padding。计算方式是一样的。
残差连接的方式使用的卷积也不是直接拿来，乘以一个对角元素都为1的33卷积即可

3. 正样本分配策略

（1）什么是正样本匹配？？

特征图中每个点都会有预测结果，为了提高效率，只有正样本参与loss的计算，那哪些是正样本呢？
距离groundtruth中心点附近的点才是正样本

（2）为什么要用正样本匹配？

甲方可能希望你无论检测的效果如何，都希望你能检测出来，就是希望recall值提高，所以在前期不想YOLOv5等前期版本只有一个正样本，这里给正样本更多选择（lead有三个点，aux有五个点）。

（3）lead的三个点

假设蓝色的点是距离groundtruth最近的点，那么对他进行0.5的偏移就到了他的右侧和下册，所以就又多了两个点，一共三个点。

（4）aux的五个点

和上面类似，为什么是五个点呢，aux采用的偏移量是1，所以上下左右都是正样本，一共五个

（5）最后的loss和哪些正样本有关？

以lead为例，根据上述得到的三个点对对候选框做选择，怎么选呢？

• 初筛：0.25
• 计算IOU
• 计算类别预测损失

根据上述损失排名后选择topk，但是有时会出现断崖式下降的，所以将topk进行累加后重新定义k（如：如果之前的k为10 ，累加后和为7的k变为7，累加和为5将k更新为5）

4. AUX辅助头

• YOLO-v5的输入size是640，YOLO-v7中可以取1280，间隔取值，将12801280的特征间隔1转化为4个640640的特征图，在channel维度增加了，进网络的时候还是640，隐性的增大了图片尺寸
• 原本有四个输出层，现在每个输出层都有一个辅助输出头，相当于增加了一个输出，一共有8个输出层

5. 网络结构

里面没有很亮眼的地方，就是特征的拼接，和YOLO-v5有很多地方都是异曲同工，SPP思想和PAN思想，可以看上篇。
今天又是充实的一天，先这样，886！