YOLO v3基于ROS应用记录

“有时候，就要敢于背上超出自己预料的包袱，真的努力后，你会发现自己要比想象的优秀很多。”

 

하루하루가 지나간다

２０１９．０１

愿在别人眼里算不上梦想的梦想　成真～

 

言归正传，记录下之前在ROS下跑yolov3的历程吧：

感觉现在视觉感知领域用yolo的比faster-RCNN多很多了，毕竟在无人驾驶圈子，感知从不能仅靠一个视觉传感器来实现了，所以在实用方面，单一的视觉算法精度从80%提高到90%，其实际用处并不算大：一方面，可以通过其他传感器比如Lidar来弥补，另一方面在决策规划层的应用效果也是一样的，无论怎样，它都是一个障碍物，需要躲避。所以在yolo版本不断更新、既保持了处理效率的同时，也提高了检测精度，yolo的优势也就凸显出来了！

 

先来看看yolo v1~v3这几个版本的特点吧～

 

◆YOLO v1:

论文名称：You only look once unified real-time object detection
论文链接

YOLO：其实是把物体检测（object detection）问题看作是目标区域预测和类别预测的回归问题，只用一个卷积神经网络结构就可以从输入图像直接预测bounding box和类别概率。

优点：1、YOLO的速度非常快。在Titan X GPU上的速度是45 fps（frames per second），加速版的YOLO差不多是150fps。2、YOLO是基于图像的全局信息进行预测的。这一点和基于sliding window以及region proposal等检测算法不一样，与Fast R-CNN相比，YOLO在误检测（将背景检测为物体）方面的错误率能降低一半多。3、YOLO可以学到物体的generalizable　representations。可以理解为泛化能力强。4、准确率高，有实验证明。

缺点：1、位置精确性差，对于小目标物体以及物体比较密集的也检测不好，比如一群小鸟。2、YOLO虽然可以降低将背景检测为物体的概率，但同时导致召回率较低。

 

结构：

算法：

首先把输入图像划分成S*S的格子，然后对每个格子都预测B个bounding boxes，每个bounding box都包含5个预测值：x,y,w,h和confidence。x,y就是bounding box的中心坐标，与grid cell对齐（即相对于当前grid cell的偏移值），使得范围变成0到1；w和h进行归一化（分别除以图像的w和h，这样最后的w和h就在0到1范围）；另外每个格子都预测C个假定类别的概率。在本文中作者取S=7，B=2，C=20（因为PASCAL VOC有20个类别），所以最后一共有7*7*30个tensor。

此时，可以发现，预测的每个bounding box都对应一个confidence score，如果grid cell里面没有object，confidence就是0，如果有，则confidence score等于预测的box和ground truth的IOU值。所以如何判断一个grid cell中是否包含object呢？答案是：如果一个object的ground truth的中心点坐标在一个grid cell中，那么这个grid cell就是包含这个object，也就是说这个object的预测就由该grid cell负责。每个grid cell都预测C个类别概率，表示一个grid cell在包含object的条件下属于某个类别的概率，注意grid cell和bounding box的区别，类别概率是针对grid cell的。

但是，这个方格(grid cell)在包含object的条件下属于某个类别的概率，也就是这个乘法到底是怎么算的呢？每个bounding box的confidence和每个类别的score相乘，得到每个bounding box属于哪一类的confidence score，即得到每个bounding box属于哪一类的confidence score。也就是说最后会得到20*（7*7*2）=20*98的score矩阵，括号里面是bounding box的数量，20代表类别。接下来的操作都是20个类别轮流进行：在某个类别中（即矩阵的某一行），将得分少于阈值（0.2）的设置为0，然后再按得分从高到低排序。最后再用NMS算法去掉重复率较大的bounding box（NMS:针对某一类别，选择得分最大的bounding box，然后计算它和其它bounding box的IOU值，如果IOU大于0.5，说明重复率较大，该得分设为0，如果不大于0.5，则不改；这样一轮后，再选择剩下的score里面最大的那个bounding box，然后计算该bounding box和其它bounding box的IOU，重复以上过程直到最后）。最后每个bounding box的20个score取最大的score，如果这个score