1.YOLO网络结构
1.1 YOLO网络结构
概略图:
官方模型结构图:
1.2 YOLO包围框
处理细节-- 归一化:
处理细节--置信度:
1.3 训练值与预测值
处理细节--训练值
处理细节--训练数据与网络输出
1.4 YOLO损失函数
1.5 训练与NMS
1.4.1 非极大值抑制 (NMS)
NMS核心思想:选择得分最高的作为输出,与该输出重叠的去掉,不断重复这一过程直到
所有备选处理完。
NMS算法要点:
1. 首先丢弃概率小于预定IOU阈值(例如0.5)的所有边界框;对于剩余的边界框:
2. 选择具有最高概率的边界框并将其作为输出预测;
3. 计算 “作为输出预测的边界框”,与其他边界框的相关联IoU值;舍去IoU大于阈值的边界框;其实就是舍弃与“作为输出预测的边界框”很相近的框框。
4. 重复步骤2,直到所有边界框都被视为输出预测或被舍弃
1.4.2 数据集训练
预训练与训练:
①YOLO先使用ImageNet数据集对前20层卷积网络进行预训练,然后使用完整的网络,在PASCAL VOC数据集上进行对象