YOLO V2 论文阅读总结和讨论

YOLOV2检测算法精讲
最新推荐文章于 2025-01-12 00:00:00 发布
原创 最新推荐文章于 2025-01-12 00:00:00 发布 · 492 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#yolo #yolov2

本文深入探讨YOLOV2目标检测算法，介绍其结构改进、性能提升策略及半监督学习方法。从全卷积网络到多尺度训练，详述YOLOV2如何在精度和速度上超越前辈。

 

YOLO V2 论文阅读总结和讨论

look for papers for yolo2 contributer : leoluopy

github地址：https://github.com/leoluopy/paper_discussing/blob/master/yolo/yolo2/yolo2_discussing.md

YOLO V1： https://github.com/leoluopy/paper_discussing/blob/master/yolo/yolo1/yolo1_discussing.md

YOLO V2：https://github.com/leoluopy/paper_discussing/blob/master/yolo/yolo2/yolo2_discussing.md

YOLO V3：https://github.com/leoluopy/paper_discussing/blob/master/yolo/yolo3/yolo3_discussing.md

Overview

  • 提出一种新型半监督的学习方法未标注boundingBox的分类图像来学习box检测任务
  • yolo1的升级版本，更快，更准。

结构综述

结构与yolov1类似，但是提出了改进。网络支持多种分辨率，采用了全卷积网络，在不同数据集和不同场景下可以设置不同S。

输入分辨率最终特征图
41613x13
44814x14
48015x15
51216x16
60819x19

对于预测时的Anchor以及tensor如下图所示：

对比YOLOv1预测tensor： （5 x B +C ）× S × S

每一个BoundingBox回归的是（x，y，w，h ，confidence）还有一个confidence：代表是否有对象的置信度。

YOLOv2 做出了扩展和改进 预测tensor：（B x (5 + C) ）× S × S : 每个BoundingBox，都做预测类别。

B是Bounding Box 个数，也是YOLOV2 通过聚类得到的先验框个数。YOLOV2 对于每个Box都做了类别的预测。Cx 和Cy 是网格位置，Pw 和 Ph 是先验框参考长宽。

由于这种新机制的加入，每个cell会预测多个Box和多个类别，使得Yolov2对于小目标和单个网格多目标的检测效果得到不错提升。在顶级比赛中超越了当时的 FasterRCNN 系列和 SSD 系列。

模型及训练方法

  • 类似VGG模型，3x3卷积提取特征，在pool层降维后扩充特征提取深度至filter数2倍。在feature压缩上仍然使用1x1卷积，和yolo1一致。

  • 每个卷积层后加入BN，加速梯度下降。

  • 分类网络的训练：

    • 224 分辨率分类网络训练： 72.9% top-1 accuracy and 91.2% top-5 accuracy on ImageNet
    • 224 网络训练方法：
      • 160 epochs , momentum SGD优化方法
      • 起始学习率 0.1,多项式衰减 power：4 ，decay： 0.0005 ， momentum ： 0.9
    • 448 分辨率分类网络训练（全卷积网络直接finetune）： a top-1 accuracy of 76.5% and a top-5 accuracy of 93.3%
    • 图像增广方法：中心裁剪, 图像旋转, 色相调整, 饱和调整, 曝光调整

  • 基于分类网络作为backbone修改为检测网络：

    • 去除最后一层卷积网络，替换为3x3和1024个filter的卷积网络，随后再跟一层1x1卷积网络（filter数目就是最后需要输出的tensor）

  • 检测网络训练：

    • 训练超参：10^-3 前60epoch ，10^-4 第60-90 epoch,10^-5第90-160 epoch
    • 使用momentum优化方法 decay：0.0005

性能与速率提升

  • 对于每个卷积层后加入BN，给mAP贡献大约2个点。

  • 预训练分辨率提升（先224分辨率训练，随后448分辨率训练高分辨率分类器），给mAP贡献约4个点

  • AnchorBox使得预测框数量大量增加，对于mAP影响不大，但提高了召回

    • No Anchor：69.5 mAP with a recall of 81%
    • With Anchor：69.2 mAP with a recall of 88%

  • 先验框聚类选择K=5，保持了IOU，以及召回之间的平衡。

  • 细粒度特征 原始维度：13x13x1024 (详见上文检测网络修改) + passthrough layer： 26x26x512 -》 13x13x2048，类似于resNet的shortCut机制，给mAP贡献了大约1个点。
  • 多尺度训练 每10个epoch切换输入图像输入维度，图像维度： {320, 352, ..., 608}，由此，yolo网络在训练中得到了对多个尺度下输入图片的鲁棒性，并且在多个图像大小情况下，非常便捷得到速度与精度的折中。只需要修改输入图像大小即可，而网络没有发生变化。。

    smallest option is 320 × 320 and the largest is 608 × 608

  • 分类器训练 见上文
  • 检测器训练 见上文

9000类别检测器的半监督训练

使用wordNet构建如上图所示，树状分类label网络。

ImageNet对1000个类直接使用softmax分类，因为类之间互斥。新建的wordTree，对同义类之间使用SoftMax。

同义类之间不存在绝对的互斥关系，特别是父子关系的类别，不存在互斥关系

对于没有detection标签的数据训练方式：对于分类loss的反向传播不变，随后找到对于该分类预测置信度最高的BoundingBox，使用这个BoundingBox的信息来做反向传播，并且假设和groundTruth至少有0.3的IOU ；使用这种方法在COCO这种本来就有detection label的类别上取得了不错的效果，但是比如想clothing ， sunglasses 这样在COCO上没有的数据，就没有取得比较好的效果。

 

【目标检测-YOLO】YOLO v2总结
博观约取，厚积薄发
02-22 2650
​​​​​​​ yolov2 损失 yolov2 输出 13*13*5*(4+1+20) 张量（VOC数据集） 13*13 个 grid cell；每个 grid cell 有5个 预测框，每个预测框 有 4个坐标(x, y, w, h) + 1 个置信度(c) + 20 个条件类别概率。 对于每张图像，损失函数包含两部分： 遍历 每个grid cell， 假设 当前grid cell 的 5个 预测框 为 (b1, b2, b3, b4, b5)，5个 Anchor框 为 (A1,...
YOLO v2
Fredzj的博客
07-07 411
YOLO v2 论文解读
论文（二）YOLOv2详解（翻译、总结和思考）
weixin_40227656的博客
04-22 3156
YOLOv2-详解 YOLO9000:Better, Faster, Stronger 论文下载：https://arxiv.org/abs/1612.08242 代码下载：https://pjreddie.com/darknet/yolo/ 摘要 首先，提出了相对于yolov1做出的改进。yolov2采用多尺度训练方法，可以对不同大小的图片进行处理，实现检测速度与精度的先对平衡。67fps时，在voc2007数据集上达到76.8map，40fps时，达到78.6map，性能由于采用resn
YOLO V2的改进点
BigCowPeking
08-27 7007
YOLO V2的改进点
YOLOv2 论文
2302_79180616的博客
11-27 160
YOLOv2所作的改进1.backbone 方面主要使用3x3卷积和1x1 卷积（压缩通道），用全局平均池化层代替(来自NiN)了全连接层，以及引入了BN加快收敛和正则化模型。2.使用了先验框，YOLOv1中没有使用先验框，直接预测检测框的位置和大小及置信度，出现定位错误并导致训练不稳定。YOLOv2 中使用k-mean算法在训练集中获得先验框，好的先验框能让模型训练更稳定且能达到更好的效果。
【YOLO系列】YOLOv2论文超详细解读（翻译 ＋学习笔记）
热门推荐
路人贾的博客
02-17 3万+
YOLOv2论文（《YOLO9000: Better, Faster, Stronger》）超详细精读。看着一篇就够啦！
【论文阅读】YOLOV2论文详解
想当咸鱼的猫
11-21 3712
本文主要介绍了YOLOV2的Better和Faster部分 1. Better YOLOV1存在如下两个缺点： 定位误差大 与基于region proposal的方法相比，召回率低 因此，我们集中提高定位准确性和召回率，同时保证分类的准确性 1.1 Batch Normalization BN可以显著改善模型的收敛性，通过在每个卷积层的后面增加BN层，模型提高了**2%**的mAP。通过BN，我们可以在保证模型不会过拟合的情况下，丢弃dropout层 1.2 High Resolution Clas.
YOLO v2 – 对象检测
jianqimingtian的博客
01-12 715
在 67 FPS 时，YOLOv2 可以提供 76.8 的 mAP，而在 40 FPS 时，检测器的精度为 78.6 mAP，优于更快的 R-CNN 和 SSD 等最新模型，同时运行速度明显快于这些模型。所以，本文的目标不仅是改善 YOLO 的这些缺点，而且要保持架构的速度。通过在架构中添加批量归一化，我们可以提高模型的收敛性，从而加快训练速度。然而，就准确率 mAP 而言，YOLO 并不是最先进的模型，但在 PASCAL VOC2007 和 PASCAL VOC 2012 上训练时，平均。
YOLO v2 详解
Kula的博客
03-30 1357
（一）Tricks（二）训练过程（三）损失函数（四）YOLO9000
深入浅出之Passthrough层（YOLO V2）
浩瀚之水的专栏
09-19 2081
YOLOv2中的passthrough层是一个重要的组成部分，它主要用于特征融合，以提升目标检测的精度。
【YOLO系列】--YOLOv2超详细解读/总结
m0_57787115的博客
03-19 3090
YOLOv2论文（YOLO9000: Better, Faster, Stronger）（原文＋解读/总结＋翻译）
YOLO v2总结
uncle_ll的博客
09-08 655
yolo9000 Better, Faster, Stronger YOLO v2: Better, Faster, Stronger 论文地址： https://arxiv.org/pdf/1612.08242.pdf 项目地址：https://pjreddie.com/darknet/yolo900/ abstract 本文介绍了YOLO9000， 能够检测超过9000个物体种类，且是当时最好的实时检测算法。使用了一种新颖的多尺度训练方法，相同yolov2模型可以以不同的尺寸运行，在速度和准确度之间提供
yolov2论文_[目标检测] YOLO2论文中文版
weixin_39553653的博客
11-20 168
点击上方蓝字关注我呀！[目标检测] YOLO2论文中文版文章目录YOLO9000中文版摘要1. 引言2. 更好3. 更快4. 更强5. 结论参考文献YOLO9000中文版摘要我们引入了一个先进的实时目标检测系统YOLO9000，可以检测超过9000个目标类别。首先，我们提出了对YOLO检测方法的各种改进，既有新颖性，也有前期的工作。改进后的模型YOLOv2在PASCAL VOC和CO...
YOLO-V2论文学习（超详细）
USTC_SC的博客
08-14 1277
文章目录YOLO9000:Better, Faster, Stronger1.简单介绍2.设计方案Batch NormalizationHigh Resolution ClassifierConvolutional With Anchor Boxes维度聚类直接位置预测细粒度特征多尺度训练Darknet-193.WordTree背景方案4.小结 YOLO9000:Better, Faster, Stronger 1.简单介绍 YOLO9000是一款先进实时的目标检测系统，可以检测出超过9000目标种类。基于
yolov2, yolov3对比要点总结
northeastsqure的专栏
11-18 572
1.yolov2 结构图，简述 2. yolov3,重新训练，更改class_num, 前一层卷积num_output,yolov3层都做了什么 https://github.com/eric612/MobileNet-YOLO/issues/12 3.yolov3 lite, 比yolov3 有哪些改变？ https://github.com/eric612/MobileNet-YOLO/blob/master/models/yolov3/mobilenet_yolov3_train.prot
YOLOv2论文思想与算法原理
m0_46339652的博客
07-11 727
目录一、YOLOv1的弊端二、在YOLOv1基础上的改进(better)1、Batch Normalization2、High Resolution Classifier3、Convolutional With Anchor Boxes4、Dimension Clusters5、Direct Location prediction6、Fine-Grained Features(细粒度特征)7、Multi-Scale Training三、在YOLOv1上的改进(faster)1、网络结构2、Training
YOLO V2原理总结
weixin_51691064的博客
06-17 721
yolov2在YOLOv1的基础上做了大量的改进，减轻了YOLOv1存在的问题
论文精读——YOLOv2
2402_83980685的博客
04-01 1119
论文题目：《YOLO9000: Better, Faster, Stronger》
【论文阅读YOLO系列】YOLOv2
最短的捷径就是绕远路，绕远路才是我的最短捷径。
11-04 1090
  我们推出YOLO9000，最先进的实时目标检测系统，它可以检测超过9000种类别。首先，我们提出一些对YOLO的改进，这些改进既新颖又借鉴了之前的工作。作为改进后的模型，YOLOv2在标准检测任务PASCAL VOC和COCO数据集上是最先进的。使用一个新颖的多尺度训练方法，同一个YOLOv2模型可以在不同的尺寸下运行【意味着可以对不同大小的图像进行检测】，提供一个简单的方法去权衡速度与准确率。FPS为67时，YOLOv2在VOC 2007上的mAP为76.8【小图片】。FPS为40时，它的mAP为78
yolo 源码解析
最新发布
03-30
<think>好的，我需要帮助用户分析YOLO算法的源码实现细节。首先，我应该回顾YOLO的基本原理，因为理解算法结构对源码分析至关重要。YOLO的核心思想是将目标检测视为回归问题，直接在图像网格上预测边界框和类别概率。用户提到的引用[2]和[3]涉及到YOLO的输入分辨率调整和位置预测机制，这些可能在源码中有具体体现。 接下来，我应该考虑YOLO的网络架构。引用[4]提到了Darknet-19作为YOLOv2的基础，使用3x3卷积、批标准化等。源码中的网络层结构可能包含这些组件，需要查看卷积层、池化层和激活函数的实现。用户可能对网络的前向传播和反向传播过程感兴趣。 然后，数据预处理部分也很重要。YOLO在训练时可能对输入图像进行缩放、归一化，并生成对应的标签数据，比如将真实框匹配到网格单元。引用[2]指出YOLO调整输入分辨率，这部分在数据加载和增强的代码中可能有体现。 目标函数的实现是关键，包括坐标损失、置信度损失和分类损失。用户提到的引用[3]讨论了直接位置预测，源码中可能有计算预测框坐标的部分，如使用Sigmoid函数限制偏移量，避免位置预测不稳定。需要分析损失函数的具体计算方式，比如均方误差或交叉熵的应用。 后处理步骤如非极大值抑制（NMS）也是源码的重要组成部分。预测后，模型会生成多个边界框，NMS用于筛选最优结果。这部分代码可能涉及排序和阈值处理，用户可能想知道如何实现高效的NMS。 此外，训练流程和参数设置，如学习率调整、优化器选择，以及多尺度训练策略（引用[2]中的分辨率变化）也需要解释。用户可能关心如何复现论文中的训练过程。 最后，结合用户提供的引用，需要指出源码中与这些改进相关的地方，比如位置预测的优化（引用[3]）、网络结构设计（引用[4]）等。用户的问题可能涉及YOLO不同版本的差异，比如v1、v2和v3在源码上的变化。 现在需要确保回答结构清晰，分点阐述源码的关键部分，并引用相关的文献支持。同时生成相关问题，帮助用户进一步深入。</think>### YOLO算法源码实现关键分析 #### 1. 网络架构实现 YOLO系列算法的网络架构在不同版本中有所区别，以YOLOv3为例，其主干网络为Darknet-53： ```python class Darknet53(nn.Module): def __init__(self): super().__init__() self.conv1 = ConvBN(3, 32, kernel=3, padding=1) self.layer1 = self._make_layer(32, 64, 1) # 后续包含残差块和多尺度预测头 ``` 该架构使用$3×3$和$1×1$卷积组合，通过跨层连接实现特征复用[^4]。每个卷积层后接批量标准化和LeakyReLU激活： $$f(x) = \begin{cases} x & \text{if } x > 0 \\ 0.1x & \text{otherwise} \end{cases}$$ #### 2. 目标定位预测 YOLO通过网格单元预测边界框坐标，实现直接位置预测： ```python # 预测偏移量计算 raw_xy = predictions[..., 0:2] grid_xy = grid.view(1, grid_size, grid_size, 1, 2) pred_xy = (torch.sigmoid(raw_xy) + grid_xy) * stride ``` 这对应论文中公式： $$b_x = \sigma(t_x) + c_x \\ b_y = \sigma(t_y) + c_y$$ 有效避免了早期训练不稳定问题[^3] #### 3. 多尺度预测 YOLOv3实现三个尺度的预测： ```python for idx, (pred_l, feature_l) in enumerate(zip(predictions, features)): # 13x13, 26x26, 52x52三种尺度 grid_size = feature_l.size(2) anchor = self.anchors[idx] ``` 每个尺度预测$3×(4+1+num\_class)$维向量，其中4为框参数，1为置信度，num_class为类别概率[^4] #### 4. 损失函数实现 损失函数包含三部分： ```python coord_loss = mse_loss(pred_xy, target_xy) + mse_loss(pred_wh, target_wh) conf_loss = bce_loss(pred_conf, target_conf) cls_loss = ce_loss(pred_cls, target_cls) total_loss = coord_weight * coord_loss + conf_loss + cls_loss ``` 其中坐标损失权重通常设置为5，反映位置预测的重要性[^3] #### 5. 数据增强策略 YOLO实现多种数据增强： ```python transform = Compose([ RandomHorizontalFlip(), RandomResize(scales=(320, 608), keep_ratio=True), ColorJitter(brightness=0.5, contrast=0.5, saturation=0.5), ToTensor() ]) ``` 支持多尺度训练策略，验证时输入分辨率可动态调整[^2]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值