【论文阅读】YOLO系列论文：YOLO v1

于 2023-04-19 15:11:49 发布
阅读量151 收藏
点赞数
分类专栏： YOLO系列 文章标签： 论文阅读 YOLO 深度学习
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/haru_x/article/details/130244578
版权

论文：You Only Look Once：Unified，Real-Time Object Detection

https://arxiv.org/abs/1506.02640

代码：GitHub - pjreddie/darknet: Convolutional Neural Networks

作者：Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi, et al.

发布时间 ：CVPR, 2016

优缺点/总结

优点

  • 单阶段算法，实现端对端的目标检测
  • 速度快，能够达到实时要求
  • 使用全图作为信息，背景错误（把背景错认为物体）比较少。
  • 泛化能力强

缺点

  • 每一网格只能识别一个目标物体，7x7的网格最多能预测出49个物体，所以YOLOv1在小目标和密集目标识别性能差
  • 对测试图像中，同一类物体出现的新的不常见的长宽比时泛化能力偏弱
  • 由于损失函数的问题，定位误差是影响检测效果的主要原因，尤其是大小物体的处理上，还有待加强。

模型的改进

  • 统一网络：YOLO没有显示求取region proposal的过程。Faster R-CNN中尽管RPN与fast rcnn共享卷积层，但是在模型训练过程中，需要反复训练RPN网络和fast rcnn网络。相对于R-CNN系列的"看两眼"(候选框提取与分类)，YOLO只需要Look Once.
  • YOLO统一为一个回归问题，而Faster R-CNN将检测结果分为两部分求解：物体类别（分类问题）、物体位置即bounding box（回归问题）

解决的问题

  • one-stage算法，与RCNN系列two-stage算法相比，输入图像只经过一个网络，生成的结果包含位置和类别信息，提升了检测速度

模型

  • 核心思想：利用整张图作为网络的输入，直接在输出层回归bounding box的位置和bounding box所属的类别

  • 大体流程：将输入图片Resize到448 x 448，然后送入CNN网络学习图像特征，最后处理网络预测结果得到检测目标

结构

1、将一幅图像分成SxS个网格(grid cell)，如果某个object的中心落在这个网格中，则这个网格就负责预测这个object

2、每个grid cell都会生成B个 Bounding Box 去进行物体的框定和分类，每个bounding box除了要回归自身的位置之外，还要附带预测一个confidence值

3、Confidence包含两方面，边界框含有目标的可能性以及边界框的准确度，计算方法如下：

含义：如果有object落在一个grid cell里，则第一项取1，否则取0。 第二项是预测的bounding box和实际的groundtruth之间的IoU值

4、利用NMS (非极大值抑制) 算法得到最后的final 的detections

5、对于每一个单元格要给出C个类别概率值，其表征的是由该单元格负责预测的边界框其目标属于各个类别的概率，即

6、各个边界框的类别置信度：

7、每个单元格需要预测(B*5+C)个值。输入的图片为S x S网络，因此最终的预测值为S x S x (B x 5 + C)大小的张量

网络结构

在PASCAL VOC中，图像输入为448x448像素，取S=7，B=2，一共有20个类别(C=20)，则输出就是7x7x(2x5+20)的一个tensor。整个网络结构如下图所示（参考GooLeNet模型）：

  • 检测层包括24个卷积层和2个全连接层
  • 最后输出为7 x 7 x 30，代表一共49个cell，每个cell拥有30个值，其中20个值为类别的概率值，即该cell检测出来的属于某类物体的概率，剩下的10个值分别代表cell两个Bounding Box各自的参数部分

    • （x，y，w，h，c）其中（x，y）是边界框的中心坐标，w和h是边界框的宽与高。
    • (x, y)是相对于每个单元格左上角坐标点偏移值，并且单位是相对于单元格大小的，而w和h预测值是相对于整个图片的宽和高的比例，这样理论上4个元素的大小在[0, 1]范围内
    • 每个边界框的预测值实际上包含5个元素：(x, y, w, h, c)。前四个元素表征边界框的大小和位置，最后一个值是置信度
    • c =

      • 如果在grid cell里没有物体存在，则Pr(object)=0，存在的意思是指物体的ground truth中心点在这个cell里面。
    • 一个grid cell里面虽然有两个Bounding Box, 但是它们共享同一组分类概率，因此同一个cell只能识别同一个物体

训练阶段

1、在训练集上已经标出了真实目标的检测框，而算法要使得预测框尽量去拟合真实检测框。

2、真实检测框的中心点落在哪个网格中，就需要哪个网格生成的预测框去拟合真实的检测框。每个网格生成两个预测框，那么就需要这两个预测框中的一个框去拟合真实检测框。并且这个网格输出的类别也必须是该真实检测框的类别。

3、如下图，蓝色实线框是真实检测框，中心点落在红色网格中，该网格生成了两个预测框，黄色和橘色虚线框。预测框和真实框的IOU交并比大的预测框负责拟合真实框，下图就是黄色虚线框来拟合真实框。调整预测框尽量逼近真实框的样子，让交并比小的预测框的置信度越小越好。

预测阶段

1、在模型已经训练好之后，输入[448,448,3]的图片，输出[7,7,30]的特征图，输出的 tensor 中包含了所有预测框的坐标，置信度，类别结果

2、对98（49 x 2）个预测框通过NMS进行筛选过滤，去除低置信度的预测框，重复的预测框只保留一个，获得最终的目标检测结果

  • 每个网格包含2个预测框参数和20个类别的条件概率（5+5+20）
  • 将每个预测框的置信度和每个网格属于20个类别的条件概率相乘，得到网格真正属于某个类别的概率
  • 每个网格有2个概率向量，每个向量有20个元素，7x7个网格就有98个向量

  • 以狗这个类别为例，某些预测框计算出的狗这个类别的概率很小，现在设置一个阈值如0.2，将所有检测框预测狗的概率小于0.2的概率值全部变成0，然后按照狗类别的概率值高低排序所有的预测框
  • 对排序后的预测框使用非极大值抑制NMS
    • 删除重复框
      • 先把概率值最大的预测框拿出来，然后把剩下的预测框逐一和概率最大的预测框比较，如果两个框的IOU（交并比）大于某个阈值，就认为这两个检测框重复识别了同一个目标物体，把低概率的预测框过滤掉（变为0），把交并比满足要求的预测框保留下来
      • 接下来再把概率值第二高的预测框拿出来，和剩下的预测框逐一计算交并比。蓝框和紫框的交并比超过阈值，表示重合，概率值小的紫框的概率值置为0。同理依次对所有预测框比较。

    • 最终比较完剩下橘框和蓝框预测结果是狗被保留下来，然后分别对这20个类别使用NMS，最终的计算结果一个稀疏矩阵，有很多元素被置为0。将98个预测框中概率值不为0的框找出来，找到类别索引和概率值，就能获得最终的目标检测结果。

Tricks

1、测试阶段没有真实框计算IoU

YOLO的objectness的学习标签就是预测框和真实框之间的IoU，所以，在测试阶段，这个IOUpredtruth 其实就是指YOLO预测的objectness，它的物理意义就是：这个grid cell是否有物体。所以可以认为objectness隐含了IoU的概念，但本质就是有无物体的预测。

Prediction

  • 预测阶段，通过输入图片得到识别的结果
  • 图片输入神经网络会输出一个7*7*30的张量，我们需要对其进行分析得到很多个bbox包括坐标信息以及对应的物体类别信息，最终进行NMS非极大值抑制对bbox进行筛选得到最终结果
    • 以下为NMS的步骤：

(1)对于类别1， 从概率最大的bbox F开始，分别判断A、B、C、D、E与F的IOU是否大于设定的阈值。

(2) 假设B、D与F的重叠度超过阈值，那么就扔掉B、D（将其置信度置0），然后保留F。

(3) 从剩下的矩形框A、C、E中，选择概率最大的E，然后判断A、C与E的重叠度，重叠度大于一定的阈值，那么就扔掉；并标记E是我们保留下来的第二个矩形框。

(4) 重复这个过程，找到此类别所有被保留下来的矩形框。

(5) 对于类别2，类别3等等...都要重复以上4个步骤。

Objective Function/Loss Function

  • 红色圈代表的是坐标误差，第一个是负责检测物体的预测框的中心点定位误差：预测框和真实框在横纵坐标上尽可能的一致。第二项是负责检测物体的预测框的宽高定位误差：预测框的宽高要和真实框的宽高尽可能一致，求根号能使小框对误差更敏感。
  • 绿色圈为IoU误差，第一项负责检测物体的预测框的置信度误差：标签值是预测框和真实框的IOU交并比，预测值需要和标签值越接近越好。第二项是不负责检测物体的预测框的置信度误差：所有不用来拟合真实框的预测框的标签值IOU最好都等于0
  • 蓝色圈为分类误差，负责检测物体物体的网格的分类误差：若某个网格负责预测狗，那么这个网格在20个类别中狗这个类别的概率越接近于1越好。

  • 代表第 i 个网格是否包含物体，即真实框的中心点是否落在该网格中。若有则为1，否则为0

  • 代表第 i 个网格的第 j 个预测框，若负责预测物体则为1，否则为0

  • 代表第 i 个网格的第 j 个预测框，若不负责预测物体则为1，否则为0

  • 代表给真正负责检测物体的预测框的误差给予更多的权重

  • 代表给不负责检测物体的预测框的误差给予很小的权重
汉南洞也有小狗
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
【深度学习】【论文阅读】YOLOv1、v2
Hana
10-28 306
【论文阅读】YOLO三部曲YOLOv1网络架构LossYOLOv2改进策略训练 YOLOv1 First, YOLO is extremely fast.Since we frame detection as a regression problem we don’t need a complex pipeline.Second, YOLO reasons globally about the ...
YOLO 论文笔记
Well~
07-17 1318
YOLO全称You Only Look Once: Unified, Real-Time Object Detection，CVPR 2016的一片论文，paper的项目主页：http://pjreddie.com/darknet/yolo/。 1、解决什么问题 （1）将检测问题变为一个 regression problem，解决了classification-based和R-CNN的...
YOLOv1 论文精读
The Shawshank Redemption
09-29 878
摘要 我们提出了YOLO，这是一个目标检测的新方法。目标检测领域的以往工作就是对分类器稍加调整以用于检测。相反，我们是将目标检测视为一个回归问题，这个问题是得到空间上分离的包围框(bounding boxes)以及和这些框相联系的类别概率。一个单独的神经网络就可以在一次评估中直接从整幅图像中预测bounding boxes以及对应的类别概率。由于整个检测的流程是在一个单独的网络中完成的，它能够依靠检测的表现结果进行端到端的直接优化。 依靠检测的表现结果进行端到端的直接优化：个人理解指的就是我们可以依靠检
YOLOv1论文解读
Chermack的博客
06-01 470
YOLOv1论文解读 论文原文地址： https://arxiv.org/pdf/1506.02640.pdf 论文的一个tensorflow实现版本： https://github.com/gliese581gg/YOLO_tensorflow 一、摘要 YOLO的英文是（you only look once），之所以这样命名是相对于之前的物体检测方法提出的，YOLO是整个系列初始版本，后续改进版本用v加一个数字表示版本号，本文使用的YOLO即是YOLOv1。在YOLO以前，物体检测方法主要是通过regi
【YOLOv1原文+翻译】You Only Look Once Unified, Real-Time Object Detection
qq_41915226的博客
05-21 8081
最近新出了YOLOV4，我系统的从V1开始整理出稿，传送门： You Only Look Once Unified, Real-Time Object Detection是CVPR2016的论文 首先上传原文：百度云盘 提取码： bvsq 因为大多数博主所给的都是外链，对于没有梯子的同学来说打开非常痛苦，我直接上传PDF啦 正文开始 Abstract摘要 我们提出了YOLO：一种新的物体检测方法。YOLO之前的物体检测方法主要是通过region proposal产生大量的可能包含待检测物体的 potenti
yolo 系列论文和源码， 全部源码和论文 v1 - 7. yolo 系列论文和源码， 全部源码和论文 v1 - 7yolo 系
05-23
yolo 系列论文和源码， 全部源码和论文 v1 - 7yolo 系列论文和源码， 全部源码和论文 v1 - 7yolo 系列论文和源码， 全部源码和论文 v1 - 7yolo 系列论文和源码， 全部源码和论文 v1 - 7yolo 系列论文和源码， 全部...
YOLO论文v1 v2 v3核心.zip
08-01
**YOLO V1：** YOLO（You Only Look Once）是由Joseph Redmon等人在2015年提出的，它的主要创新在于将目标检测问题转化为一个回归问题，通过单个神经网络模型直接预测出边界框和类别概率。YOLO V1将图像分成SxS的...
yolo系列论文.zip
09-08
总之，YOLO系列从v1到v4，每一代都在提升目标检测的准确性和效率，不断优化网络结构，引入新的技术，以适应更复杂、多样的视觉任务。这些论文不仅是深度学习和目标检测领域的宝贵资源，也是研究者和开发者学习和实践...
yolo系列论文原文，包含yolov1~yolov7
05-30
这份资源收集了YOLO（You Only Look Once）系列所有的论文，包括YOLO v1、YOLO v2、YOLO v3和YOLO v4，以及它们的改进版本和衍生算法。YOLO是一种基于深度学习的目标检测算法，具有高速度、高效率和高准确性等优点，...
YOLO v1 ~ YOLO v5 论文解读和实现细节
最新发布
06-06
YOLOv1 ~ YOLOv5 论文解读和实现细节 YOLO（You Only Look Once）是一种实时...YOLO系列算法已经成为目标检测领域的标准算法之一，YOLOv1到YOLOv5的论文解读和实现细节对目标检测算法的理解和实现有着重要的参考价值。
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
yolo v1 v2 v3 论文及代码实现
05-06
yolo v1 v2 v3 三篇论文及具体代码实现。 由于太大，放置到了百度云盘。资源为云盘链接，已设置永久，如失效可联系 注：解压后参见readme.txt，有具体的执行步骤
pytorch使用模型预测_使用PyTorch从零开始对边界框进行预测
weixin_26632369的博客
08-26 1510
pytorch使用模型预测Object detection is a very popular task in Computer Vision, where, given an image, you predict (usually rectangular) boxes around objects present in the image and also recognize the types...
YOLOV1论文小整理
`or 1 or 不正经の泡泡
04-12 1661
文章目录前言作者简介算法简介V1网络结构识别过程卷积部分grid cell单元格存储信息边框 前言 为了更好地阅读源码，在进入源码阅读阶段必须先进行理论探究，之后才能结合工程干活。所以本次也是参考了众多大佬的视频，博客进行一个总结。我们先从初代版本V1开始，主要是第一篇论文不多，那么这里主要是关于这个神经网络的一个结构，它后面的一个具体的一个工作流程，这部分主要是分两个部分，一个是训练部分，还有一个是识别部分。这里咱们主要是对整个流程做一个了解分析。 相关资源链接如下： https://arxiv.org/
yolov1原文地址以及论文翻译
热门推荐
m0_37192554的博客
07-18 2万+
论文原文：https://arxiv.org/pdf/1506.02640.pdf Tensorflow版本yolo v1:https://github.com/gliese581gg/YOLO_tensorflow Abstract 摘要  本文提出了一种新的物体检测方法YOLO。YOLO之前的物体检测方法主要...
【YOLO系列】YOLO V1论文总结
capsule的博客
01-05 487
一些经典论文的总结。
YOLO v1论文理解
JustForYou的博客
07-23 597
Abstract YOLO：You Only Look Once YOLO通过回归的方式来解决目标检测问题，可以在简单neural network上直接从图像预测bounding box coordinate和class probability； base model性能在Titan X 上45 frames/s,fast model 155 frames/s,和其他检测系统相比有更多的lo...
【YOLO系列】--YOLOv1论文翻译
m0_57787115的博客
02-22 1417
此篇为YOLO系列论文：YOLOv1论文翻译（You Only Look Once:Unified, Real-Time Object Detection）翻译（已逐句校正，方便大家学习）
深度学习目标检测论文1（YOLOv1论文的翻译）
JunJun
02-10 1285
前言 因为一些项目需要使用到yolov3，为了能深刻的理解yolov3算法，因而翻译了yolo系列论文。 You Only Look Once:Unified, Real-Time Object Detection 摘要 我们提出了一种新的目标检测算法:YOLO。先前通过重用分类器实现目标识别，而本文则把目标识别问题看作回归问题，直接解决目标是什么以及目标在哪里的问题。神经网...
YOLO系列YOLOv1论文超详细解读（翻译 ＋学习笔记）.pdf
05-13
【YOLO系列】YOLOv1论文超详细解读（翻译 ＋学习笔记）.pdf 【YOLO系列】YOLOv1论文超详细解读（翻译 ＋学习笔记）.pdf 【YOLO系列】YOLOv1论文超详细解读（翻译 ＋学习笔记）.pdf 【YOLO系列】YOLOv1论文超详细解读（翻译 ＋学习笔记）.pdf 【YOLO系列】YOLOv1论文超详细解读（翻译 ＋学习笔记）.pdf 【YOLO系列】YOLOv1论文超详细解读（翻译 ＋学习笔记）.pdf 【YOLO系列】YOLOv1论文超详细解读（翻译 ＋学习笔记）.pdf 【YOLO系列】YOLOv1论文超详细解读（翻译 ＋学习笔记）.pdf 【YOLO系列】YOLOv1论文超详细解读（翻译 ＋学习笔记）.pdf 【YOLO系列】YOLOv1论文超详细解读（翻译 ＋学习笔记）.pdf 【YOLO系列】YOLOv1论文超详细解读（翻译 ＋学习笔记）.pdf 【YOLO系列】YOLOv1论文超详细解读（翻译 ＋学习笔记）.pdf 【YOLO系列】YOLOv1论文超详细解读（翻译 ＋学习笔记）.pdf 【YOLO系列】YOLOv1论文超详细解读（翻译 ＋学习笔记）.

“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 2
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