YOLO 系列教程 总目录
YOLOV1整体解读
YOLOV2整体解读
YOLOV3提出论文:《Yolov3: An incremental improvement》
1、YOLOV3改进
这张图讲道理真的过分了!!!我不是针对谁,在座的各位都是**
![YOLO物体检测系列3:YOLOV3详解_第1张图片](http://img.e-com-net.com/image/info8/bf2dd5b802434e90ac6e4b66c74cf526.jpg)
故意将yolov3画到了第二象限
- 终于到V3了,最大的改进就是网络结构,使其更适合小目标检测
- 特征做的更细致,融入多持续特征图信息来预测不同规格物体
- 先验框更丰富了,3种scale,每种3个规格,一共9种
- softmax改进,预测多标签任务
- yolo的思想就是一步预测,速度快,但是一直被质疑效果不好,这次改进了网络结构更加适合小目标检测
- yolo主要用的还是cnn,改进的地方还是在cnn上
- v1 2个框,v2做了一个聚类有5个框,v3 9个框
- 一个物体可能有多标签,比如哈士奇既是狗可别也是哈士奇类别
2、多scale方法与特征融合
![YOLO物体检测系列3:YOLOV3详解_第2张图片](http://img.e-com-net.com/image/info8/5aebf7efd9cf436e9043a0ae3d464ebe.jpg)
在v2版本中,将不同尺度的特征融合到了一起来满足多尺寸的物体检测,实际上效果并不好,v3版本中,将物体分为了三个尺寸(13,13)、(26,26)、(52,52),代表大、中、小三种尺寸的物体取预测。
(13,13),对应大物体,3个较大的候选框
(26,26),对应中等物体,3个略小的候选框
(52,52),对应小物体,3个较小的候选框
在yolov2中为了应对对小目标检测效果不好的情况,将最后一层卷积的特征图和倒数第二层做了融合,去预测。
在yolov3版本的做法是:
- 最后一层卷积的特征图尺寸是(13,13),记为结果A
- 倒数第二层卷积的特征图尺寸是(26,26),将结果A进行上采样至(26,26),融合在一起得到结果B
- 倒数第三层卷积的特征图尺寸是(52,52),将结果B进行上采样至(52,52),融合在一起得到结果C
- 结果A负责预测大物体,结果B负责预测中物体,结果C负责预测小物体
3、残差连接-为了更好的特征
![YOLO物体检测系列3:YOLOV3详解_第3张图片](http://img.e-com-net.com/image/info8/60a182eac5cf447fb58bb70fd119c167.jpg)
- 从今天的角度来看,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
当年2016年resnet让深度学习真正变得深了起来,因为很多网络在堆叠到一定程度后,效果不仅没有上升反而下降,加上resnet的残差连接的思想,保证了堆叠不会出现效果下降的情况
4、网络架构
![YOLO物体检测系列3:YOLOV3详解_第4张图片](http://img.e-com-net.com/image/info8/22457811f08b4a97bf9a098cbb34741c.jpg)
- 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
- 在v2版本中去掉了所有的全连接层,在v3版本中所有的池化层也全部去掉了
- 下采样通过卷积步长为2来实现
- 红色部分从上到下依次对应小目标、中目标、大目标
整体就是利用残差网络得到三种不同输出的特征图,这三种不同特征图将之前的信息也融入进来
![YOLO物体检测系列3:YOLOV3详解_第5张图片](http://img.e-com-net.com/image/info8/95597afd31b84e6298d36b91cbc45a11.jpg)
85的意思就是80+4+1,4是先验框的x、y、w、h,1是confidence判断是前景还是背景,80就是80个类别,这是自己定义的。
5、先验框改进设计
- 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)
![在这里插入图片描述](http://img.e-com-net.com/image/info8/3b12febd328847b19b1dcbed2b87c085.jpg)
1
1
1