YOLO泛读

ks流水恋落花

已于 2022-06-20 09:50:23 修改

阅读量156

点赞数 1

文章标签：深度学习计算机视觉神经网络

于 2022-05-30 23:24:33 首次发布

本文链接：https://blog.csdn.net/Frank_Storming/article/details/125054296

版权

本文深入剖析YOLO（You Only Look Once）目标检测算法，对比RCNN系列，阐述YOLO的实时性和简洁性。通过将图片划分为网格，每个网格预测边界框及类别概率，使用非极大抑制确定最终检测结果。YOLO的损失函数包含五项，适合实时场景的应用。文章还介绍了模型的训练细节和评估标准。

摘要由CSDN通过智能技术生成

YOU ONLY LOOK ONCE 从原理至实现的细致分析

背景

最近在读目标检测领域的文章，一下就看到YOLO系列和R-CNN系列，打算每篇论文都精读一下，发个博客将来需要用的时候回顾一下。

YOLO之前最流行的方法是RCNN系列，当时已经出了Faster-RCNN了，可是这种方法的训练时间和实际应用耗费时间有些长了，不能满足实时场景的需求。在渴望简单高效方法的环境下，YOLO应运而生。
作为目标检测领域的必读论文之一，You only look once 这篇论文中所采用的神经网络结构平平无奇。
YOLO神经网络结构
忽略最后一层全连接层，就是一种可以分类4096种图片的图像分类CNN模型。
很神奇的是加上最后一层全连接层，它就可以用来做目标检测。

YOLO总体思想

先了解一下YOLO的大体思路
YOLO大体思路

将图片分成S*S个grid
在每个grid中找到B个bounding box(x, y, w, h, c)
每个grid预测C类object的概率
non-max suppression 找到几个confidence高的bounding box作为最终选择

训练的图片是需要人工标注的，也就是框出每个要识别的物体和相应的类别，这里x, y表示bounding box的中心点坐标，w, h表示物体的宽度和高度，c表示confidence, $confidence = Pr(Object) * IOU_{pred}^{truth}$
为了在PASCAL VOC上评估YOLO，论文中取 $S = 7, B = 2, C = 20$
最终得到的预测结果是 $\times 7 \times (2 \times 5 + 20)$ tensor
注意：这里每个grid只预测一个物体

损失函数

众所周知，神经网络的流行很大程度归功于损失函数，根据损失函数，模型权重不断的优化，最终得出满意的结果。YOLO模型的损失函数与图像分类的损失函数就有很大的区别

YOLO损失函数共包括5项，其中第4项是grid中没有物体时对应的损失。
$\mathbb{1_{ij}^{obj}=1}$ ，如果grid中有object，否则 $\mathbb{1_{ij}^{obj}=0}$
$\mathbb{1_{ij}^{noobj}}$ 与之相反