目标检测 | Yolo1算法原理总结

Yolo算法通过运行单个卷积网络来定位和检测物体，流程图如下：

步骤：

1）将输入图像的大小调整为448×448

2）在图像上运行卷积神经网络，输出每个grid cell的Bounding Box和所属每个类的概率值

3）根据非极大值抑制算法，输出最有可能包含物体的Bounding Box

若仅包含上述步骤，则模型处于测试阶段；若模型处于训练阶段，则需要根据预测Bounding Box与目标矩形框的损失值，然后利用梯度下降法更新模型参数，若达到迭代次数或损失之小于某一阈值时，则停止训练。

文章介绍了yolo算法原理的几个基本概念

1. 什么是grid cell 

如下图，Yolo算法把图像划分成7×7的网格，每个网格就是grid cell。

2. Yolo算法的输出是什么

Yolo算法输出每个grid cell的Bounding Box和所属每个类的概率值，

Bounding Box包含了矩形框的中心横坐标、纵坐标，宽度w，高度h以及grid cell的置信度confidence，即Bounding Box共5个维度。

若设置检测的物体类数为C，则Yolo算法输出每个grid cell的类概率值，维度为C。

Yolo算法认为每个grid cell只包含一个物体对象，若设置每个grid cell包含两个Bounding Box，物体对象可能的类数为20个，则每个grid cell的输出维度为：（20 + 5×2）= 30。因此Yolo算法的输出维度为：7×7×30

3. 置信度的含义是什么

Bounding Box包含了置信度，反映了Bounding Box是否包含物体以及这个物体的可能性是多少，公式为：

Pr(Object)表示Bounding Box是否包含物体，具体含义可参考Yolo1论文的解释：

若Bounding Box包含物体，则Pr(Object) = 1；反之，则Pr(Object) = 0。

因此Bounding Box置信度的含义为预测框和真实框的交并比，我们常用交并比（IoU）衡量矩形框的重叠度，如下图：

4. grid cell的类条件概率计算

上节介绍的置信度反映了Bounding Box包含物体的可能性，即：

若要计算每个grid cell包含物体的前提下属于某个类的概率，即Pr(Classi | Object)，这一含义是针对每个grid cell而非Bounding Box。

将每个grid cell的类的条件概率与Bounding Box相乘，即：

该值得到了每个Bounding Box所属类的置信度，既包含了每个Bounding Box预测类的信息，也反映了Bounding Box包含物体的准确度。

5. 非极大值抑制算法原理

若满足条件的预测框有很多个，我们需要用非极大值抑制算法选择最优预测框，若两个矩形框都包含了相同类的物体，且两个矩形框的重叠度较高，则选择置信度较高的矩形框，删除置信度较低的矩形框

6. Bounding Box的含义是什么

Bounding Box包含了矩形框的中心 (x,y)，矩形框的宽高（w,h）以及置信度c，这5个值的范围在0和1之间，通过Sigmoid函数来实现。

矩形框中心 (x,y)的含义：每个Bounding Box相对于grid cell的偏移值，范围0~1

矩形框的宽高 (w,h)的含义： 每个Bounding Box的宽高相对于整个图像的大小，范围0~1

7. 训练阶段的损失函数计算

图像中包含物体对象的Bounding Box数量远远小于不包含物体的Bounding Box数量，因此若两者的权重相等，那么计算的损失函数会偏向于给出背景的结果。Yolo1算法论文设置包含物体的Bounding Box的权重为5，不包含的Bounding Box的权重为0。

包含物体和不包含物体的权重分别记为：

Yolo算法把定位和检测目标看成是一个回归问题，因此对于所有的输出变量，我们都使用和平方误差表示损失函数。

每个grid cell包含了2个Bounding Box和1个条件类概率，grid cell结构和损失函数如下图：

其中：

 表示第i个grid cell的第j个Bounding Box是否包含物体对象，若包含，则等于1；若不包含，则等于0。

表示第i个grid cell是否包含物体对象，若包含，则等于1；若不包含，则等于0。

对于不同大小的Bounding Box，小的Bounding Box对于偏差的容忍度更低，比如千万富翁丢失1000块钱与普通家庭丢失1000块钱的意义不一样。为了缓和这个问题，我们对Bounding Box的宽和高取平方根。如下图：

8. 如何定位目标物体的grid cell和Bounding Box

我们知道了损失函数如何计算，yolo算法预测每个grid cell的Bounding Box？训练阶段，我们需要知道物体的实际grid cell和Bounding Box。

如何定位？若目标物体的中心点在某一个grid cell，则该目标物体属于这一个grid cell，然后以整个图像宽高为尺度，计算该物体所在grid cell的宽高。如下图的红框grid cell标记的狗：

参考

https://zhuanlan.zhihu.com/p/24916786?utm_source=qq&utm_medium=social

https://blog.csdn.net/shuiyixin/article/details/82533849

欢迎扫码关注：