YOLO-V1和YOLO-V2

YOLO系列

·YOLO-V1

 

- 经典的one - stage方法

 

- You Only Look Once，名字就已经说明了一切！

 

- 把检测问题转化成回归问题，一个CNN就搞定了！

 

- 可以对视频进行实时检测，应用领域非常广！

 

·YOLO-V1

 ·核心思想

 ·网络架构

 ·每个数字的含义：

 

- 10 = (X,Y,H,W,C)*B（2个类别）

 

- 当前数据集中有20个类别

 

- 7*7表示最终网格的大小

 

- (SS) * (B5+C)

 ·损失函数：

 ·NMS(非极大值抑制)：

 ·YOLO-V1：
 
- 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：更快！更强！

 ·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，YOLOv2训练时额外进行了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 - 聚类提取先验框
 
- 数据集一系列选择的先验比例都是常规的，但是不一定完全适合
 
- K - means聚类中的距离：d(box, centroids) = 1 - IOU(box, centroids)

 ·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 - Direct Location Prediction
 
- bbox=(x,y,w,h)，(x,y)为(wp,hp)，则:

 
- 这样会导致在x轴方向，模型不稳定，尤其是刚开始训练的时候
 
- V2中并没有直接使用偏移量，而是选择相对grid cell的偏移量

 

 ·感受野：概述来说就是特征图上的点能看到原始图像多大区域

·感受野

 

 ·YOLO-V2 - Fine - grained Features
 
- 最后一层时感受到太大了，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之后改变输入图像大小
 
- 最小的图像尺寸为320 x 320，最大的图像尺寸为608 x 608。