[Pytorch]YOLO目标检测_pythonyolo目标检测

目录

一、经典算法与阶段（Stage）

二、真实框（Ground Truth）、预测框（Prediction）与交并比（IoU）

三、精确率（Precision）与召回率（Recall）

四、置信度（Confidence）与置信度阈值（Confidence Threshold）

五、AP（Average Precision）、mAP（Mean Average Precision）、所有点插值法（Interpolation Performed in all Points）与AUC（Area Under Curve）

六、YOLO V1

七、非极大值抑制（Non-maximum Suppression）

八、YOLO V2

Reference Paper

---

一、经典算法与阶段（Stage）

Two-stage（两阶段）：Faster R-CNN Mask R-CNN

特点：速度相对较慢，效果好，不适合实时检测

One-stage（单阶段）：YOLO

特点：速度快，效果相对较差，适合实时检测

---

二、真实框（Ground Truth）、预测框（Prediction）与交并比（IoU）

---

三、精确率（Precision）与召回率（Recall）

举例：在通用技术的尺寸标注中，既要保证精度（不要错标，多标），又要保证召回率（不要漏标）

---

四、置信度（Confidence）与置信度阈值（Confidence Threshold）

置信度＞置信度阈值，则标记为正样本；反之，则标记为负样本

置信度阈值越高，召回率越低，精确率越高；置信度阈值越低，召回率越高，精确率越低

---

五、AP（Average Precision）、mAP（Mean Average Precision）、所有点插值法（Interpolation Performed in all Points）与AUC（Area Under Curve）

调整置信度阈值，画出所有点插值法的P-R图（含红色虚线），如左下图

AP计算方式：AUC，

如右上图，

---

六、YOLO V1

网络架构

输入图像448x448x3：C3，H448，W448

输出数据7x7x30（5x2（2为每个网格单元含有的边界框数量）+20）：GridX（1~7），GridY（1~7），（x1（0~1），y1（0~1），w1，h1，Confidence1，x2（0~1），y2（0~1），w2，h2，Confidence2，p（1），p（2），···，p（n=20）（n为数据集分类数量））

输出数据量计算公式（SxS：网格单元数量，B：每个网格单元含有的边界框数量，5：归一化后的每个网格单元内的边界框横、纵坐标+边界框宽度、高度+边界框置信度，C：数据集分类数量）：

损失函数

位置误差

置信度误差

Lamda(noobj)=0.5：由于背景在图像中占比较大，故减小负样本（背景）影响，使正样本易于检测

分类误差

MSE（均方差）与CEE（交叉熵）：MSE适用于线性回归预测数值，即回归问题模型；CEE适用于逻辑回归测概率，即分类问题模型

此处应选择交叉熵作为损失函数

评价

优点：简单快速

缺点：每个grid cell仅预测一个类，多类重叠问题无法解决；小目标检测效果一般；当同一类出现的不常见的长宽比和其他情况时泛化能力偏弱

---

七、非极大值抑制（Non-maximum Suppression）

---

八、YOLO V2

提升概览

加入批归一化

提高分辨率

输入大小

V2为什么可以使用不同大小的输入：去掉了全连接层，解放了大小限制

网络结构

输入大小

为什么实际输入为416*416而不是448*448：416=13*32，我们期望输入大小（416）为13的奇数倍，使数据具有实际中心点

为什么网格单元数量由V1的7*7变为13*13：每个网格单元box数量有限，增加了网格单元数量从而增加了box数量

Darkent类型：Darknet-19，含有19个卷积层

3x3卷积：参考了VGG，参数较少，感受野较大

1x1卷积：效果与3x3相近，但节省了大量参数（偷工减料）

聚类提取先验框

先验框比例

如何确定先验框比例：利用数据集的标注信息，采用K-means划分先验框比例，k=5即分为五类

为什么k=5：Avg IOU较大，Clusters较小

距离的定义

为什么不用欧氏距离：防止误差随先验框大小变化而产生明显变化

---

Reference Paper：You Only Look Once: Unified, Real-Time Object Detection