【one stage-经典检测网络】YOLO v1

原文地址

整体网络结构

1. 输入图像尺寸resize到448X448，作用是将尺寸固定。（适应不同大小的图片）
2. 24个卷积层和2个全连接层，最后输出的特征图为7X7X30。没有类似Anchor的预选框，没有RPN结构，直接预测物体的类别和种类。
   

激活函数两种。

最后输出特征图设计的有意思。

YOLO v1相当于将输入图片分成7X7的区域。这里每个点的通道数是30，代表预测30个特征。

输出组成

SXSX（B*5+C）
B：每个区域预测两个框。
C：原文评估的是PASCAL VOC数据集共20类。
5：置信度（表示该区域内是否包含物体的概率）；中心坐标+宽、高。即（x,y,w,h,confidence）

单元格数据,这里的x,y,w,h均被归一化到(0,1)了。(这里还是没完全想明白)

损失函数

直接用别人的图了，分析的很好（侵删，详见参考）。
损失函数由5个部分组成，都使用均方误差。

调高位置损失权重，调低负样本置信度的权重。

YOLO v1不足

1. 7X7的每个区域对应两个边框，这两个边框只能预测出一个类别，训练时会选IOU大的框；预测会选置信度高的框，可以看出YOLO v1最多能检测出49个物体。
2. 对小物体或两个物体比较近的情况效果会不好。
3. 大物体和小物体位置损失权重相同，可能会导致物体定位不太好。

参考

https://blog.csdn.net/qq_38232598/article/details/88695454
https://www.jianshu.com/p/cad68ca85e27
https://www.jianshu.com/p/13ec2aa50c12
https://blog.csdn.net/u011974639/article/details/78208773
https://docs.google.com/presentation/d/1aeRvtKG21KHdD5lg6Hgyhx5rPq_ZOsGjG5rJ1HP7BbA/pub?start=false&loop=false&delayms=3000&slide=id.p （需要FQ，讲的很好）