目标检测：ｙｏｌｏ学习

最新推荐文章于 2025-06-19 14:39:59 发布

原创

最新推荐文章于 2025-06-19 14:39:59 发布 · 983 阅读

2 ·

CC 4.0 BY-SA版权

You Only Look Once（ｙｏｌｏ）: Unified, Real-Time Object Detection　Abstract

上一篇说ｒｃｎｎ系列一直是以定位为前提，再分类，都是围绕定位做升级。这次的ｙｏｌｏ也是如此，所以速度更快，我们

速度影响因素也是在此嘛。ｙｏｌｏ现在已经出了ｙｏｌｏｖ1,ｙｏｌｏ v2,ｙｏｌｏ v3,ｙｏｌｏ 9000等不同版本。

基于回归的目标检测方法

到目前为止，所有讨论的方法都是通过建立一个管道（pipeline ）产生很多建议区域，然后将这些得到的建议区域进行分类/回归

定位操作，将检测作为分类问题来处理。但是，有几种方法是将检测作为回归问题。其中两个最流行的是YOLO和SSD。这些检测方法也被称为single shot 检测方法（一步法）。我们来看看它们：

YOLO(You only Look Once)

对于YOLO来说，检测是一个简单的回归问题，它需要输入图像并学习类概率和bounding box 坐标。听起来很简单？

YOLO将每个图像划分为S×S的网格，预测每个网格的N个边界框和置信度。置信度反映了边界框的准确性以及边界框是否包含一个目标（不管是什么类）。YOLO还预测训练中所有类的每个框的分类分数。你可以通过结合两个类的方法来计算每个类出现在预测框中的概率。

预测出了SxSxN个 boxes。然而，这些框中的大部分都具有低置信度分数。如果我们设置一个阈值（如30％的置信度）可以删除其中的大部分，如下面的例子所示

注意，在运行时，我们只在CNN上运行一次图像。因此，YOLO速度超快，可以实时运行。另一个关键的区别是，YOLO一次看到完整的图像，而不是以前方法中只查看生成的建议区域。所以，这种上下文信息有助于避免错误。然而，YOLO的一个限制是它在一个网格中只能预测一种类别（一个网格多个类别就不行了），因此不适用于预测小的目标（一个网格很多鸟群就分不清了）。

Abstract

作者提出了一种新的物体检测方法YOLO。YOLO之前的物体检测方法主要是通过region proposal产生大量的可能包含待检测物体的 potential bounding box，再用分类器去判断每个 bounding box里是否包含有物体，以及物体所属类别的 probability或者 confidence，如R-CNN,Fast-R-CNN,Faster-R-CNN等。

YOLO不同于这些物体检测方法，它将物体检测任务当做一个regression问题来处理，使用一个神经网络，直接从一整张图像来预测出bounding box 的坐标、box中包含物体的置信度和物体的probabilities。因为YOLO的物体检测流程是在一个神经网络里完成的，所以可以end to end来优化物体检测性能。

Introduction

YOLO之前的物体检测系统使用分类器来完成物体检测任务。为了检测一个物体，这些物体检测系统要在一张测试图的不同位置和不同尺寸的bounding box上使用该物体的分类器去评估是否有该物体。如DPM系统，要使用一个滑窗（sliding window）在整张图像上均匀滑动，用分类器评估是否有物体。

在DPM之后提出的其他方法，如R-CNN方法使用region proposal来生成整张图像中可能包含待检测物体的potential bounding boxes，然后用分类器来评估这些boxes，接着通过post-processing来改善bounding boxes，消除重复的检测目标，并基于整个场景中的其他物体重新对boxes进行打分。整个流程执行下来很慢，而且因为这些环节都是分开训练的，检测性能很难进行优化。

作者设计了YOLO（you only look once），将物体检测任务当做回归问题（regression problem）来处理，直接通过整张图片的所有像素得到bounding box的坐标、box中包含物体的置信度和class probabilities。通过YOLO，每张图像只需要看一眼就能得出图像中都有哪些物体和这些物体的位置。

使用YOLO来检测物体，其流程是非常简单明了的：
1、将图像resize到448 * 448作为神经网络的输入
2、运行神经网络，得到一些bounding box坐标、box中包含物体的置信度和class probabilities

3、进行非极大值抑制，筛选Boxes