YOLOv1算法小记_yolo neck作用

YOLOv1算法小记

目录

YOLO算法小记

一、检测算法的发展

1.没有CNN之前：two-stage

2.有了CNN之后：RCNN结构（end-to-end）

二、One-Stage检测算法的设计思想

三、Yolo v1：一次伟大的尝试

1.YOLOv1步骤

2.损失函数

3.优缺点

---

一、检测算法的发展

 

1.没有CNN之前：two-stage

输入一张图片（黑白）→生成region proposal（比较像素间的相似程度，对不同色块排列组合，得到备选框）→提取特征（尺度不变、光照不变、旋转不变）→支持向量机SVM/神经网络→得到最终结果

2.有了CNN之后：RCNN结构（end-to-end）

 

二、One-Stage检测算法的设计思想

①继承two-stage算法端到端思想

②去掉生成region proposal的冗余步骤

那么效果怎么保证呢？下面我们来看一下YOLO算法:

YOLOV1的灵感来源就是faster rcnn中的rpn。yolov1可认为是one-scale RPN，因为yolo和RPN都one stage，区别就是二分类和多分类。

在介绍YOLO的步骤之前，先写一下神经网络大概的结构：

backbone:用于提取特征（浅层网络提取物理信息，如corner、edge等，得到一些shape信息，后面再经过深层提取，信息会更加具象，得到object特征，更加具有语义性，最终得到feature map）

neck：起到承上下的作用，连接前后两个部分

head:功能性模块，在YOLO里就是detection检测和classification分类

三、Yolo v1：一次伟大的尝试

1.YOLOv1步骤

①对每张图像打格（cell）:S*S（448*448→7*7）

    图像中，物体中心落在哪个个字，那个格子就负责那一个物体。

（在经过网络特征提取后，不同格子在特征图中由不同张量表示，蓝色的格子只预测狗，黄色只预测自行车，红色只预测汽车）

②每个格子预测B个bounding box，同时给出预测框的confidence（置信度）

   文中的B=2，那么为什么一个格子要预测两个边框呢，是因为只预测一个边框的话可能不好，准确度不高，所以需要多预测几个。但是预测的边框多了计算量就要提升，所以这里选择预测两个，选择其中比较好的那个。

（5是bbox+confidence的 参数量，20是文章中总共分了20类）

bounding box实际上是个四维向量：x、y为中心点坐标（一般标注的框的中心可认为是物体的中心），w、h为框的宽和高

confidence置信度（包括两部分）：

·是否是物体的概率Pr(object)     是 0~1之间的某个数字

 ·IOU交并比：预测框与真实框重合部分与并集部分的比，越大越好

Tensor表示：

2.损失函数

2.1物体边框回归

欧氏回归，就是计算偏差距离

问：第二行w,h 为什么要开根号？

答：由线性函数和根号函数的函数图像可知，当物体w或h较小时，两函数图像差异不大，对loss的影响不大；但是若物体w或h较大时，两函数图像相差很多，对loss有很大影响。如果不用根号进行压缩，那么loss就会被大物体所左右。使用根号可以使得大小物体对loss的影响差异不大，降低了大物体的影响。

2.2置信度回归

λnoobj=0.5：非物体cell太多，noobject会产生非常多的loss,而物体cell较少，产生的loss就少一些，使得网络会去学习noobject产生的特征（主要学习背景，而不是去真实目标特征）。为了平衡这种结果，就将这个大的loss乘以一个小的权重，减轻noobject的影响。

2.3分类回归

上述形式已不常用，分类预测最常用的是softmax(定义、数学公式、编码、求导都要掌握，还有和交叉熵的融合及其求导）

3.优缺点

优点：one-stage速度快

缺点：

①对拥挤物体检测不太好（可能几个物体的中心落到了同一个cell中）

②对小物体检测不好

③对new width-height ratio物体不好

④没有batch normalize

 

附：

关于NMS：NMS的中文名称是非极大值抑制，顾名思义，就是抑制不是极大值的元素，亦或是进行局部范围的最大值搜索。如果要简单理解nms的计算过程的话，我们不妨假设，某张图片被模型检测出了10个box，此时可先按照模型输出的置信度，对着10个box进行排序（由大到小），然后保留置信度最大的那个box1，用后面的box2、box3等依次和box1计算IoU，如果得到的IoU大于某一阈值，我们就将这个box删去，即：我们任务box2和box1框住的是同一个物体，但是box1更准。待第一轮循环完成后，再新增保留除box1外置信度最高的boxn，而后继续用其他box和这个boxn计算IoU，并一直循环至没有box。至此，所有被保留下来的box就是最终的输出结果了。