YOLOv2

于 2024-04-03 23:00:58 发布
阅读量1.2k 收藏 11
点赞数 8
文章标签： YOLO
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/Yao_Wan/article/details/137326979
版权

YOLOv2

论文介绍

论文名字：《YOLO9000：Better, Faster, Stronger》
论文下载地址：https://arxiv.org/abs/1612.08242（右边Access Paper: View PDF）
论文作者：Joseph Redmon, Ali Farhadi
YOLO9000的意思就是除了对v1改进外，还提出一种新的算法可以在9000中类别上进行检测。
通常改进通过堆积更深的层数或者堆积更大的网络，但是作者为了让这个模型有精度以及速度，设计了下边这些技巧，同时设计一个新的darknet19

论文改进

下边这个表就概述了从YOLOv1到YOLOv2的变化。
在这里插入图片描述

1. Batch Normalization

第一个是把YOLOv1骨架网络的层换成BN层，在所有的卷积层后边
v1最后几层是全连接-dropout-全连接-sigmoid归一化-reshape7x7x30
v2最后几层是把darknet的输出和第43层输出做一个合并，在直接做一个卷积，直接预测输出的大小。到v5也是这样的。
去掉全连接和dropout是因为全连接参数量太多了，卷积是一个不错的代替方案，去掉dropout是因为dropout和bn通常是二选一，因为全有的话，会有方差偏移， dropout一般用的话就是用在全连接的旁边，现在一般都不用了

2. High Resolution Classifier

第二是提高输入数据的分辨率
预训练分类阶段输入数据从224改为448，10个epoch作为预训练
检测阶段输入数据从448改为416
为了保证最后输出是奇数，所以是416（作者解释）
最终输出阶段从7x7x30改为13x13x25
（30=10+分类种类数，25=5+分类种类数。在voc数据集里，分类种类数是20类。5代表的是xywhc，10就是两倍的xywhc）（这也是引入anchor的效果）

3. Convolutional With Anchor Boxes

第三是引入anchor机制，v1是没有的，v2v3都加入了，能提高模型的召回率以及预测的边框值
anchor的介绍：
在模型计算前有一个预生成的阶段，通过其他程序生成anchor，到了YOLOv5就把这个生成anchor的阶段放到模型训练代码里，自适应根据数据大小调整anchor大小
这些anchor就是目标检测宽跟高

4. vgg16换成darknet-19

第四是修改了骨架网络 从vgg16换成darknet-19
在这里插入图片描述
前边的横杠之前的都是普通的卷积加池化，在训练分类和训练检测阶段都是一样的
横杠下边的卷积加平均池化是做预训练分类的，检测训练采用passthrough结构

5. Dimension Clusters（w h的聚类）

第五是采用kmeans聚类得到先验框，在基于这几个先验框在用的时候用起来
YOLOv2的anchor对应边框的wh，其xy是最后预测的13x13上边每个grid cell坐标，所以YOLOv2的anchor实际不多
faster r-cnn的anchor是根据骨干网络输出的特征MxM大小在每个点上生成N个边框，总共生成MxMxN个边框，每个边框坐标是x1,y1,x2,y2
YOLOv2的anchor大小是通过聚类生成的，faster r-cnn是硬编码固定大小生成的
v2-v5都涉及聚类算法。
采用k-means聚类得到先验框，就是在所有val数据集上计算所有边框的wh，聚成几类之后就能得到不同的先验框。

6 预测坐标

第六是预测方式改为基于anchor的偏移缩放（改进关键）
在这里插入图片描述
这种改进方式把wh的大小放大，在预测的时候能减小误差。预测出的tx ty归一化后加上左上角的坐标，得到蓝色框的中心点，pw ph就是anchor的宽和高

7. passthrough

第七是高低维度特征融合（passthrough），类似残差结构

拿到darknet-body输出的最后一层，与 中间的43层合并
conv20：[batch, 13, 13, 1024] conv 13: [batch, 26, 26, 512]
这两层先reshape成一样的，在concat合并（space_to_depth）
output:[batch, 13, 13, 1280]
再就用卷积预测最终的结果

8. 多尺度输入训练

第八是多尺度输入训练策略，这个是为了改进v1大小目标小目标检测较差的情况，加入一个多尺度训练，每迭代几个epoch，就修改输入的一个大小，让模型能够适应不同尺度的输入，以提高对小目标大目标的检测效果。
在这里插入图片描述
保持主干网络不变，调整输入图片的大小为[320, 352, 384, 416, 448, 480, 512, 544, 576, 608]，每十个epoch改变一次大小

损失函数

在这里插入图片描述
第一行是 没有包含目标情况下的损失，兰姆达=1是平衡正负样本不平衡的问题，只计算背景概率损失
第二行是计算包含目标情况下的损失
第三行是类别损失，是差平方和
第四行使边框损失，主要差别是，wh不再需要开方操作

昔阳z
关注
  • 8
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
YOLO论文v1 v2 v3核心.zip
08-01
YOLO V1 V2 V3发布的三篇论文，对yolo会有更加深刻的理解，适合初学者，里面详细介绍了其方法和原理。原版 英语
pynq-yolov2
03-31
【PYNQ-YOLOv2】是一种在PYNQ平台上实现YOLOv2（You Only Look Once version 2）目标检测技术的项目。PYNQ是赛灵思（Xilinx）开发的一种基于Python的嵌入式计算平台，它允许用户在FPGA（Field-Programmable Gate ...
YOLOv1详解
qq_42755230的博客
07-16 1797
YOLO（You only look once）你只需要看一次，提出了一种新的one stage类型的检测器，正如名字所说的那样，一步到位，直接预测出目标类别和位置。不同于之前的检测器，YOLO将目标检测视作回归问题，整个检测网络是单一的神经网络，输入是图像，输出直接给出目标类别和位置，不需要给出目标的区域建议再进行复杂的后处理。......
YOLOv5算法相关论文整理
weixin_44742084的博客
05-26 7195
个人学习记录：看了yolov5的代码还是有点懵，对yolov5中涉及到的相关的论文进行了整理 论文合集下载链接稍后补充 Hendrycks D, Gimpel K. Gaussian error linear units (gelus)[J]. arXiv preprint arXiv:1606.08415, 2016. Lin T Y, Goyal P, Girshick R, et al. Focal loss for dense object detection[C]//Proceedings .
R-CNN全系、SSD、YOLO全系论文链接汇总
qq_51471471的博客
03-13 2914
代表性的目标检测论文链接和发表日期
Grad-CAM
whaosoft143ai的博客
11-25 1365
注意，由于YOLO的架构，Grad-CAM的结果是全局图像级别的激活，即，它们不限于观察到的边界框，如下图所示。对于给定的检测，首先通过反转NMS过程来识别相应头部的最后一个卷积层中的神经元，该层对应于所研究的边界框的类概率和目标。为了解决这一问题，研究者提出了三种不同的标准化级别：检测级别（默认）、图像级别（图像中所有解释的联合标准化）和数据集级别（一组图像中所有说明的联合标准）。研究者批判性地分析了结果，并提出了不同的标准化策略，以使输入图像内或不同图像之间的不同目标检测的注意力图具有可whaosoft
Yolov2 pytorch版本
04-13
YOLOv2（You Only Look Once的第二版）是一种高效的目标检测算法，它在计算机视觉领域具有重要地位，尤其在实时应用中表现出色。这个压缩包文件“yolo2-pytorch-master”提供了YOLOv2的PyTorch实现，让我们深入探讨...
yolov2，Software Simulation For YOLOv2 Accelerator in vs2012
04-10
YOLOv2（You Only Look Once version 2）是一种实时目标检测系统，它在计算机视觉领域具有广泛应用。这个项目是关于在Visual Studio 2012环境下对YOLOv2加速器进行软件模拟，这对于理解和优化YOLOv2在FPGA（Field-...
yolov2-tiny.cfg
04-29
在运行目标检测典型算法yolov2时，有不同的神经网络可供选择，该文件是tiny版本，文件提供了神经网络中不同类型的层的配置参数包括batch_size, width,height,channel,momentum,decay，learning_rate等。
yolov2.weights.zip
11-10
YOLOv2（You Only Look Once version 2）是一种实时目标检测系统，它在2016年由Joseph Redmon和Ali Farhadi等人提出。YOLOv2在第一代YOLO的基础上进行了重大改进，提高了检测速度和精度，使得它成为计算机视觉领域的...
yolo论文理论梳理总结
05-01
yolo1和yolo2论文理论梳理总结
YOLOv1.pdf
03-09
以下是论文的序： We present YOLO, a new approach to object detection. Prior work on object detection repurposes classifiers to perform detection. Instead, we frame object detection as a regression problem to spatially separated bounding boxes and associated class probabilities. A single neural network predicts bounding boxes and class probabilities directly from full images in one evaluation. Since the whole detection pipeline is a single network, it can be optimized end-to-end directly on detection performance. Our unified architecture is extremely fast. Our base YOLO model processes images in real-time at 45 frames per second. A smaller version of the network, Fast YOLO, processes an astounding 155 frames per second while still achieving double the mAP of other real-time detectors. Compared to state-of-the-art detection systems, YOLO makes more localization errors but is less likely to predict false positives on background. Finally, YOLO learns very general representations of objects. It outperforms other detection methods, including DPM and R-CNN, when generalizing from natural images to other domains like artwork
YOLO V1 论文高清
04-24
YOLO目标识别V1第一篇论文，学习之后再看YOLO9000和YOLOV3更加深入
关于深度学习计算机视觉论文YOLO9000
09-20
深度学习中计算机视觉的目标检测的YOLOv1的改进版本
YOLO9000: Better, Faster, Stronger 论文
05-11
YOLO9000: Better, Faster, Stronger
【论文学习】YOLO9000: Better,Faster,Stronger（YOLO9000：更好，更快，更强）
热门推荐
Joe_quan的博客
12-29 3万+
文章提出了YOLO v2，YOLO9000两种网络，还提出了WordTree，数据集混合训练，多尺寸训练等全新的训练方法。
YOLO9000 Better,Faster,Stronger.pdf
08-14
yolov2算法初步介绍，希望可以帮助你学习，推广机器视觉。
ECCV 2016《SSD: Single Shot MultiBox Detector》论文笔记
lch的博客
07-10 659
本学弱喜欢在本子上记笔记，但字迹又丑。望看不懂我的字的大佬不要喷我，看得懂的大佬批评指正。
YOLOv1，YOLOv2 & YOLO9000 论文解读
JerryZhang__的博客
12-31 1098
paper title：You only look once: Unified, real-time object detection paper link：https://arxiv.org/pdf/1506.02640.pdf oral presentation：https://www.youtube.com/watch?v=NM6lrxy0bxs darknet YOLO： https://...
yolov2 车牌识别
最新发布
04-28
YOLOv2是一种目标检测算法，用于实时物体识别和定位。它是YOLO（You Only Look Once）系列算法的第二个版本，相比于YOLOv1，YOLOv2在准确性和速度上都有所提升。 YOLOv2车牌识别是基于YOLOv2算法进行车牌检测和识别...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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