Yolo算法详解

Yolo原理

yolo v1

Yolo是一种目标检测算法，目标检测的任务是从图片中找出物体并给出其类别和位置，对于单张图片，输出为图片中包含的N个物体的每个物体的中心位置(x,y)、宽(w)、高(h)以及其类别。

Yolo的预测基于整个图片，一次性输出所有检测到的目标信号，包括其类别和位置。Yolo首先将图片分割为sxs个相同大小的grid：

Yolo只要求grid中识别的物体的中心必须在这个grid内(具体来说，若某个目标的中心点位于一个grid内，该grid输出该目标类别的概率为1，所有其他grid对该目标预测概率设置为0)。实现方法：让sxs个框每个都预测出B个boungding box，bounding box有5个量，分别为物体的x,y,h,w和预测的置信度；每个grid预测B个bounding box和物体类别，类别使用one-hot表示。

尽管一个grid中有多个bounding box，但是只能识别出一个物体，因此每个grid需要预测物体的类别，但是bouding box不需要；因此对于sxs个grid，每个grid中包含B个bounding box，分类器分出C种不同物体，ground truth长度为sxsx(Bx5+C)，boundingbox显示如下：

图中，bounding box的粗细程度是与置信度的大小成正比。bouding box用于锁定物体的位置，需要输出x,y,h,w四个关于位置的值，若输出的位置坐标是任意的正实数，容易导致模型在不同大小的物体上的泛化能力有较大差异。