图像识别技术与应用学习总结①④

YOLO系列

• YOLO-V1

1. 经典的one-stage方法
2. You Only Look Once，名字就已经说明了一切
3. 把检测问题转化成回归问题，一个CNN就搞定了
4. 可以对视频进行实时检测，应用领域非常广

 
网络架构：
 
损失函数：
 
    优点：快速，简单！
    问题1：每个Cell只预测一个类别，如果重叠无法解决
    问题2：小物体检测效果一般，长宽比可选的但单一

 

• YOLO-V2

YOLO-V2-Batch Normalization

•     V2版本舍弃Dropout，卷积后全部加入Batch Normalization
•     网络的每一层的输入都做了归一化，收敛相对更容易
•     经过Batch Normalization处理后的网络会提升2%的mAP
•     从现在的角度来看，Batch Normalization已经成网络必备处理

YOLO-V2-更大的分辨率

•     V1训练时用的是224*224，测试时使用448*448
•     可能导致模型水土不服，V2训练时额外又进行了10次448*448的微调
•     使用高分辨率分类器后，YOLOv2的mAP提升了约4%

YOLO-V2-网络结构

•     DarkNet，实际输入为416*416
•     没有FC层，5次降采样（13*13）
•     1*1卷积节省了很多参数

YOLO-V2-聚类提取先验框

•     faster-rcnn系列选择的先验比例都是常规的，但是不一定完全适合数据集
•     K-means聚类中的距离：

YOLO-V2-Anchor Box

•     通过引入anchor boxes，使得预测的box数量更多（13*13*n）
•     跟faster-rcnn系列不同的是先验框并不是直接按照长宽固定比给定

YOLO-V2-Directed Location Prediction

•     bbox：中心为(xp,yp)；宽和高为(wp,hp)，则：
•     tx=1,则将bbox在x轴向右移动wp；tx=−1则将其向左移动wp
•     这样会导致收敛问题，模型不稳定，尤其是刚开始进行训练的时候
•     V2中并没有直接使用偏移量，而是选择相对grid cell的偏移量

YOLO-V2-Fine-Grained Features

•     最后一层时感受野太大了，小目标可能丢失了，需融合之前的特征

YOLO-V2-Multi-Scale

•     都是卷积操作可没人能限制我了！一定iterations之后改变输入图片大小。
•     最小的图像尺寸为320 x 320。
•     最大的图像尺寸为608 x 608。

今日份学习总结完毕(*^ω^*)