9月1日目标检测学习笔记——通用物体检测

---

前言

本文为9月1日目标检测学习笔记——通用物体检测，分为四个章节：

• YOLO v1；
• YOLO v2；
• YOLO v3；
• 物体检测实战。

---

一、YOLO v1

• 图像被分成 s×s 个格子；
• 包含 GT 物体中心的格子负责检测相应的物体；
• 每个格子预测 B 个检测框及其置信度，以及 C 个类别概率；
• bbox 信息 (x, y, w, h) 为物体的中心位置相对格子位置的偏移、宽度和高度，均被归一化；
• 置信度反映是否包含物体以及包含物体情况下的准确度。

• 网络结构:

  • 小卷积：1×1 和 3×3；
  • FC 输出为：S×S×(B×5+C).

• 损失函数：

  • Loss 函数：均方和误差；
  • 坐标误差、IoU 误差和分类误差。

---

二、YOLO v2

• 改进：

• 引入 Anchor box：

  • 预测 bbox 的偏移；
  • 输入尺度：416；
  • max pooling 下采样。

• 输出层：卷积层代替全连接层；

• 联合使用 coco 和 imagenet 物体分类标注数据；

• 取消了 dropout，均使用 Batch Normalization；

• 高分辨率分类器；

• Anchor boxes；

• 细粒度特征：

  • 添加 pass through layer，把浅层特征图连接到深层特征图。

• Multi-scale Training：

  • 每隔几次迭代后，微调网络的输入尺寸。

• 主干网络： Darknet-19：

  • 卷积：3×3；
  • global average pooling。

---

三、YOLO v3

• 改进：
  • 多尺度预测（类 FPN）；
  • 更好的分类器：binary cross-entropy loss；

---

四、物体检测实战

• 场景：

1、COCO 数据集

• annotation数据格式：

2、YOLO v3 环境搭建

• DarkNet 特性：
  • C语言实现；
  • 支持 CPU 与 GPU（CUDA/cuDNN）；
  • 轻量、灵活，适合用来研究底层；
  • 与 Caffe 的实现存在相似的地方。

(1)、配置文件

• Makefile.cfg:

GPU=1
CUDNN=1
OPENCV=1
OPENMP=0
DEBUG=0

(2)、训练

• yolov3.cfg:

batch=64
subdivisions=16
width=608
height=608
channels=3

• coco.data:

classes= 80
train  = /home/pjreddie/data/coco/trainvalno5k.txt
valid  = coco_testdev
#valid = data/coco_val_5k.list
names = data/coco.names
backup = /home/pjreddie/backup/
eval=coco

---