图像识别第十七课

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

网络架构

 

损失函数

 

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

V2更大分辨率

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，V2训练时额外又进行了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%

V2网络结构

 

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-Directed Location Prediction

bbox：中心为(xp,yp)；宽和高为(wp,hp)，则：

tx=1,则将bbox在x轴向右移动wp；tx=−1则将其向左移动wp

这样会导致收敛问题，模型不稳定，尤其是刚开始进行训练的时候

V2中并没有直接使用偏移量，而是选择相对grid cell的偏移量

计算公式

感受野

特征体图的点能看到原始图像多大区域。