目标检测学习笔记4——Yolo2 Yolo2论文解读

最新推荐文章于 2023-05-05 22:06:19 发布
最新推荐文章于 2023-05-05 22:06:19 发布
阅读量590 收藏 3
点赞数
分类专栏： 目标检测 文章标签： 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Shadownow/article/details/119563041
版权

Yolo 2

1.引言

YOLO2的论文《YOLO9000: Better, Faster, Stronger》
正如其名，它在YOLO1的基础上，使网络准确率更高、更快、能识别的类别更多。

YOLO1的缺点：

  • 定位性能差
  • recall低：把全部目标全部检出的能力差
  • mAP低

2.Better

2.1 Batch Normalization

批归一化处理，这个操作使mAP有2%的提升。

  • 有了BN操作，就没有dropout操作了。
  • BN操作在卷积操作后，在激活层前。(也就是在线性变换后，非线性变换前）。该操作把输出压缩到了非饱和区，大大加快收敛速度，防止过拟合、梯度消失，加快训练速度。
    在这里插入图片描述

BN层进行如下变换：
①对该批样本的各特征量（对于中间层来说，就是每一个神经元）分别进行归一化处理，分别使每个特征的数据分布变换为均值0，方差1。从而使得每一批训练样本在每一层都有类似的分布。这一变换不需要引入额外的参数。
②对上一步的输出再做一次线性变换，假设上一步的输出为Z，则Z1=γZ + β。这里γ、β是可以训练的参数。增加这一变换是因为上一步骤中强制改变了特征数据的分布，可能影响了原有数据的信息表达能力。增加的线性变换使其有机会恢复其原本的信息。
在这里插入图片描述

2.2 High Resolution Classifier

高分辨率分类器，使mAP提升4%。
在目标检测模型训练前，会使用图像分类的数据集预训练模型。图像分类的训练样本很多，而标注了边框的用于训练对象检测的样本相比而言就比较少了，因为标注边框的人工成本比较高。所以对象检测模型通常都先用图像分类样本训练卷积层，提取图像特征。

但这引出的另一个问题是，图像分类样本的分辨率不是很高。所以YOLO v1使用ImageNet的图像分类样本采用 224 * 224 作为输入，来训练CNN卷积层。然后在训练对象检测时，检测用的图像样本采用更高分辨率的 448 * 448 的图像作为输入。但这样切换对模型性能有一定影响。

所以YOLO2在采用 224 * 224 图像进行分类模型预训练后，再采用 448*448 的高分辨率样本对分类模型进行微调（10个epoch），使网络特征逐渐适应 448 * 448 的分辨率。然后再使用 448 * 448 的检测样本进行训练，缓解了分辨率突然切换造成的影响。

2.3 Convolutional With Anchor Boxes

使用先验框（Anchor Box），召回率（recall）大幅提升到88%，同时mAP轻微下降了0.2。

借鉴Faster RCNN的做法，YOLO2也尝试采用先验框（anchor）。在每个grid预先设定一组不同大小和宽高比的边框，来覆盖整个图像的不同位置和多种尺度，这些先验框作为预定义的候选区在神经网络中将检测其中是否存在对象，以及微调边框的位置。

同时YOLO2移除了全连接层。另外去掉了一个池化层，使网络卷积层输出具有更高的分辨率。

之前YOLO1并没有采用先验框，并且每个grid只预测两个bounding box，整个图像98个。YOLO2如果每个grid采用9个先验框，总共有13 * 13 * 9=1521个先验框。所以，相对YOLO1的81%的召回率，YOLO2的召回率大幅提升到88%。同时mAP有0.2%的轻微下降。

不过YOLO2接着进一步对先验框进行了改良。

2.4 Dimension Clusters

使用聚类方法提取先验框尺度，结合下面的约束预测边框的位置，使得mAP提升4.8%。

之前先验框都是手工设定的，YOLO2尝试统计出更符合样本中对象尺寸的先验框，这样就可以减少网络微调先验框到实际位置的难度。

YOLO2的做法是对训练集中标注的边框进行聚类分析，以寻找尽可能匹配样本的边框尺寸。

使用k-means聚类方法。

聚类算法最重要的是选择如何计算两个边框之间的“距离”，对于常用的欧式距离，大边框会产生更大的误差，但我们关心的是边框的IOU。所以，YOLO2在聚类时采用以下公式来计算两个边框之间的“距离”。

在这里插入图片描述

centroid是聚类时被选作中心的边框，box就是其它边框，d就是两者间的“距离”。IOU越大，“距离”越近。YOLO2给出的聚类分析结果如下图所示：

在这里插入图片描述
上图左边是选择不同的聚类k值情况下，得到的k个centroid边框，计算样本中标注的边框与各centroid的Avg IOU。显然，边框数k越多，Avg IOU越大。YOLO2选择k=5作为边框数量与IOU的折中。

对比手工选择的先验框，使用5个聚类框即可达到61 Avg IOU，相当于9个手工设置的先验框60.9 Avg IOU。
在这里插入图片描述

上图右边显示了5种聚类得到的先验框，VOC和COCO数据集略有差异，不过都有较多的瘦高形边框。

2.5 Direct location prediction

对产生的候选框位置进行约束，mAP提升了5%。

对于每个grid cell产生的候选框有位置上的约束，而不是像YOLO1时，野蛮生长，会出现模型不稳定，尤其是在早期。这个不稳定来源于预测x和y。

所以要对偏移量进行一些约束设置。
在这里插入图片描述

t x 和 t y t_x和t_y tx​和ty​是要学习的参数。由于 t x 和 t y t_x和t_y tx​和ty​的取值没有任何约束，因此预测边框的中心可能出现在任何位置，训练早期阶段不容易稳定。YOLO2调整了预测公式，将预测边框的中心约束在特定gird网格内。公式如下：

在这里插入图片描述

c x 和 c y c_x 和c_y cx​和cy​是当前网格左上角到图片左上角的距离，网格的大小要归一化为 1 * 1

在这里插入图片描述
限制函数都是sigmoid函数， t t t 都是要学习的参数。所以根据上面的计算公式，预测边框的蓝色中心点被约束在蓝色背景的网格内。约束边框位置使得模型更容易学习，且预测更为稳定。

2.6 Fine-Grained Features

使用passthrough层检测细粒度特征，mAP提升了1%。

  • 对象检测面临的一个问题：图像中对象有大有小，输入图像经过多层网络提取特征，最后输出的特征图中（比如YOLO2中输入416 * 416经过卷积网络下采样最后输出是13 * 13），较小的对象可能特征已经不明显甚至被忽略掉了。
  • 为了更好的检测出一些比较小的对象，最后输出的特征图需要保留一些更细节的信息。

YOLO2引入一种称为passthrough层的方法在特征图中保留一些细节信息。在最后一个pooling之前，特征图的大小是26 * 26 * 512，将其1拆4，直接传递（passthrough）到pooling后（并且又经过一组卷积）的特征图，两者叠加到一起作为输出的特征图。
在这里插入图片描述
但根据YOLO2的代码，和论文中不一样，特征图先用1 * 1卷积从 26 * 26 * 512 降维到 26 * 26 * 64，再做1拆4并passthrough。

2.7 Multi-Scale Training

多尺度训练，使mAP提升了1.4%。

  • YOLO1是在448 * 448的输入图片尺度上训练的，希望对多尺度输入图片具有鲁棒性。
  • 因为去掉了全连接层，YOLO2可以输入任何尺寸的图像。因为整个网络下采样倍数是32，作者采用了{320,352,…,608}等10种输入图像的尺寸，这些尺寸的输入图像对应输出的特征图宽和高是{10,11,…19}。训练时每10个batch就随机更换一种尺寸，使网络能够适应各种大小的对象检测。
  • 在小尺寸上更快，大尺寸上更准。

在这里插入图片描述

2.8 high resolution

在高分辨率图像上，544 * 544分辨率图像上，达到78.6%的mAP。使mAP提高了1.8%。
在这里插入图片描述

3.Faster

为了进一步提升速度，YOLO2提出了Darknet-19（有19个卷积层和5个MaxPooling层）网络结构。DarkNet-19比VGG-16小一些，精度不弱于VGG-16，但浮点运算量减少到约1/5，以保证更快的运算速度。

3.1 Darknet-19

和VGG类似，大部分卷积核都是3 * 3，每次池化操作后卷积核数量都加倍。1 *1 卷积核置于3 * 3卷积核之间，可以达到压缩特征的目的。去掉了全连接层，使用GAP层（global average pooling）。使用BN层加快收敛、保证训练稳定、正则化模型。
在这里插入图片描述

3.2 训练分类模型

  • 用Darknet-19在标准1000类的ImageNet上训练，在224×224的图片上训练160轮
  • 微调输入为448×448，训练10轮，微调这个模型

3.3 训练检测模型

在以上训练所得分类模型的基础上：

  • 去掉最后一个卷积层、GAP和Softmax
  • 加3个卷积层，每层1024个卷积核
  • 增加一个passthrough层
  • 最后一个1 * 1卷积层，输出的channels数为：num_anchors * (5+num_classes)

结构图如下

  • 22、23、24是增加的3层；

  • 25层将16层输出作为输入，也就是细粒度，经过26层的64个卷积核卷积，输出38 * 38 * 64；

  • 27层将38 * 38 * 64划分为4份并拼接，得到19 * 19 * 256

  • 28层将27层输出与24层输出拼接，得到19 * 19 * 1280

  • 经过3 * 3 卷积和1 * 1卷积，得到19 * 19 * 425
    在这里插入图片描述
    或者看这个图
    在这里插入图片描述

  • 综上所述，虽然YOLO2做出了一些改进，但总的来说网络结构依然很简单，就是一些卷积+pooling，从4164163 变换到 13135*25。稍微大一点的变化是增加了batch normalization，增加了一个passthrough层，去掉了全连接层，以及采用了5个先验框。

  • 对比YOLO1的输出张量，YOLO2的主要变化就是会输出5个先验框，且每个先验框都会尝试预测一个对象。输出的 13 * 13 * 5 * 25 张量中，25维向量包含 20个对象的分类概率+4个边框坐标+1个边框置信度。
    在这里插入图片描述

  • 训练160轮，最开始学习率是 1 0 − 3 10^{-3} 10−3，60轮和90轮时，又除以10.

4. Stronger

这个部分就是说通过一些手段，融合了分类数据集和检测数据集，使得种类更多，可以检测9000类。没有深入学习，这里就不再讨论。

5.损失函数

误差包含3个部分：

  • 置信度误差
  • 位置误差
  • 分类误差

在这里插入图片描述

  1. 第一行：置信度误差。与GT框的IOU小于某阈值的置信度误差。这里需要计算各个预测框和所有的ground truth之间的IOU值，并且取最大值记作MaxIOU，如果该值小于一定的阈值，YOLOv2论文取了0.6，那么这个预测框就标记为background。此处的IOU计算是将中心点重合。因此只看形状，不看位置。
  2. 第二行：前12800次迭代，预测框与anchor的位置误差，使模型更快学会预测anchor位置，t的四个参数就会更加稳定。这一项应该是促进网络学习到Anchor的形状。
  3. 第三、四、五行：计算与GT的IOU最大的Anchor。
    (1)标注框与预测框的定位误差：首先要计算其中心点落在哪个cell上，然后计算这个cell的5个先验框和grond truth的IOU值，计算IOU值的时候不考虑坐标只考虑形状，所以先将Anchor boxes和ground truth的中心都偏移到同一位置，然后计算出对应的IOU值，IOU值最大的先验框和ground truth匹配，对应的预测框用来预测这个ground truth。
    (2)Anchor和标注框的IOU 与 预测置信度误差
    (3)标注框类别与预测类别的分类误差。

参考：
https://zhuanlan.zhihu.com/p/93632171
https://zhuanlan.zhihu.com/p/47575929

【YOLO系列】YOLOv5超详细解读（源码详解＋入门实践＋改进）
路人贾的博客
03-03 15万+
一文带你详细了解YOLOv5（含YOLO系列论文讲解+源码详解+入门实践+算法改进）
YOLOv5源码逐行超详细注释与解读（1）——项目目录结构解析
热门推荐
路人贾的博客
03-06 7万+
全网最全YOLOv5项目目录结构超详细分析。逐个文件注释，小白上手必备
yolo2(darknet-master.zip)
10-10
带build文件夹，有gpu版本和no_gpu版本，适用于vs2015,opencv可以自己配
YOLO2 图解
复兴之矢
02-21 9258
作者：晓雷 链接：https://zhuanlan.zhihu.com/p/25167153 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 本文是对 YOLO9000: Better, Faster, Stronger （项目主页） 的翻译。加了个人理解和配图。内容参考了 YOLOv2 论文笔记 - Jesse_Mx 。水平有限，错误之处
YOLO9000: Better, Faster, Stronger
椰子奶糖的博客
08-06 387
文章目录参考IntroductionFasterBatch NormalizationHigh Resolution ClassifierConvolutional With Anchor BoxesDimension ClustersDirect location predictionFine-Grained FeaturesFasterDarknet-19StrongerYOLO9000 参考 目标检测|YOLOv2原理与实现 YOLO v2算法详解 【机器学习】K-means（非常详细） In.
论文阅读——YOLO9000: Better, Faster, Stronger
无风而起的博客
10-11 328
论文【YOLO9000: Better, Faster, Stronger】 YOLO9000是YOLO系列的第二代模型，它改进了YOLOv1的一些如定位错误高、召回率低等缺点，并将模型扩展到可以定位9000+物体上，并与此同时依然保持预测的高速度。 新应用的几点方法： 1、每个卷积层后增加BN层，提高2%左右的mAP，同时可以移除dropout层而没有过拟合。 2、高分辨率的分类器。v1利用的预训练分类器输入224x224训练卷积网络，检测时用高分辨率448x448输入影响了检测性能。 YOLO9000分
YOLO系列YOLOv1论文超详细解读（翻译 ＋学习笔记）.pdf
最新发布
05-13
YOLO，全称为"You Only Look Once"，是一种高效的目标检测...尽管后续的YOLO版本（如YOLOv2、YOLOv3和YOLOv4）在各个方面进行了改进，但YOLOv1的开创性设计理念——端到端的实时目标检测，至今仍具有重要的研究价值。
YOLOv1：实时目标检测的新突破——统一、高效物体识别
在深度学习的计算机视觉领域，目标检测是一项关键任务，用于在图像中识别和定位多个对象。传统的物体检测方法，如R-CNN和Fast R-CNN系列，通常采用两阶段策略，首先对图像区域进行候选生成，然后对这些候选区域进行...
YOLO 目标检测
素墨淡笺
10-27 616
目录安装、使用、训练与优化安装使用训练算法分析其他 安装、使用、训练与优化 安装 官方教程 https://github.com/AlexeyAB/darknet#how-to-use JetsonTX2之部署YOLO https://blog.csdn.net/dhaduce/article/details/80379792 https://blog.csdn.net/haoqimao_har...
yolo2_training
08-24
yolo2训练
Yolo-Fastest:Yolo通用目标检测模型与EfficientNet-lite结合使用，计算量仅为230Mflops（0.23Bflops），模型大小为1.3MB
03-17
:high_voltage: Yolo-Fastest :high_voltage: 简单，快速，紧凑，易于移植 适用于所有平台的实时目标检测算法 基于yolo的最快和最小的已知通用目标检测算法 针对ARM移动终端的优化设计，经过优化以支持推理框架 基于RK3399，Raspberry Pi 4b ...和其他嵌入式设备上部署的NCNN，可实现完整的实时30fps + 速度比快45％，参数量减少了56％ 2021.3.16：修复分组卷积在某些旧架构GPU推理耗时异常的问题 中文介绍 2021.9.12：更新NCNN相机演示 参见AlexeyAB / darknet，此版本的darknet修复分组卷积在某些旧架构GPU推理耗时异常的问题（例如1050ti：40ms-> 4ms速度提升10倍），强烈建议使用此仓库框架训练模型 与AlexeyAB / darknet相比，此版本的Darknet解决了一些旧架构GPU中分组卷积异常耗时的推
（论文精读）YOLO-V2 & YOLO9000 ……（YOLO9000: Better, Faster, Stronger）
RuanJianNB的博客
05-05 168
作者在摘要里说明了本篇论文分为两部分，第一部分就是对yolov1的改进，最终效果是，可以很快但精度略低，可以很精准但速度略慢。第二部分是对如何检测9000个物体的说明，用了一个联合训练的方法，使得yolov2可以检测出来原本没有标签的物体。训练是在coco目标检测数据集和imagenet分类数据集，验证在imagenet目标检测数据集，这里有不同的三个数据集。我们介绍了YOLO9000，一个最先进的，实时的目标检测系统，可以检测超过9000个目标类别。
YOLO2论文总结
m0_57131092的博客
02-25 202
YOLO9000_Better Faster 原文链接： CVPR 2017 Open Access Repository (thecvf.com) Abstract 摘要 使用新的多尺度训练方法，可以让模型在不同的尺寸下运行，在运行速度和预测准确度之间做选择。 提出了联合训练的方法，可以同时将分类的数据集和物体检测的数据集一起输入，允许模型预测检测数据集中没有的而分类数据集中有的物体类型。 一． Introduction 简介 作者认为物体检测应该不仅快速、准确，还应该能够识别大量类型的
《YOLO9000: Better, Faster, Stronger》论文笔记
m_buddy的博客
09-18 759
1. 论文思想 在这篇论文中提出了YOLO9000网络模型，该模型可以实时建册多达9000种目标。首先对原始的YOLO进行改进，提升之后的模型是YOLO-V2。使用新的多尺度训练方法，相同的YOLO-V2模型可以接受不同的输入图像尺寸，这为速度与精度之间提供了多种选择。使用在COCO与ImageNet训练集上联合训练，得到YOLO9000，并可以使得YOLO9000检测出没有被标注的目标。YOLO...
yolo2
冷夏的专栏
03-12 382
论文：YOLO9000:Better, Faster, Stronger Abstract 们介绍YOLO9000，一个最先进的，实时目标检测系统，可以检测超过9000个目标类别。首先，我们提出对YOLO检测方法的各种改进方法，包括新颖的和从以前的工作中得出的。改进的模型YOLOv2在如PASCAL VOC和COCO标准检测任务是最先进的。使用一种新...
YOLO: Real-Time Object Detection
稻草人的专栏
08-30 2462
You only look once (YOLO) is a state-of-the-art, real-time object detection system. On a Titan X it processes images at 40-90 FPS and has a mAP on VOC 2007 of 78.6% and a mAP of 48.1% on COCO test-dev
YOLO2
07-28 710
YOLO2 window7+cpu版本  http://blog.csdn.net/tigerda/article/details/73226441?locationNum=2&fps=1
yolo2详解
aoche3999的博客
10-19 482
转自：https://blog.csdn.net/u014380165/article/details/77961414 YOLOV2要是YOLO的升级版（Better faster） Better这部分细节很多，想要详细了解的话建议还是看源码。很明显，本篇论文是YOLO作者为了改进原有的YOLO算法所写的。YOLO有两个缺点：一个缺点在于定位不准确，另一个缺点在于和...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值