Yolo v3 学习笔记摘录

作为一名移动端开发人员，我觉得现在是入门深度学习的最佳时机，毕竟tensorflow也发展好几年了，Facebook也推出了pytorch，github上已经有很多开源的各种神经网络的源码，可以比较轻易的实现一些震撼自己的效果。之前在某公司的计算机视觉部工作，受到深度学习工程师的耳濡目染，离职后，自己才真正去尝试数据采集、标注、训练、移植Android端等步骤，算是草草入门了。

下面分享几段学习笔记。

YOLO是一个用于物体检测的深度神经网络，同类型的还有R-CNN系列的如Faster R-CNN、Mask R-CNN。跟R-CNN不一样的地方是，YOLO采用one stage的网络结构，而后者使用two stage，所以yolo的检出速度会相对快一些，但在精准度方面会低一些。

目前yolo有三个版本，v1, v2, v3。v3是18年发布的，跟v2相比，提高了精度，降低了检出速度。github上已经有不少用tensorflow和pytorch实现的yolo v3版本，也有不少能在android上运行的开源项目。

端对端模型

以前的深度学习，需要手动提取特征，用特征去做识别，但特征不好提取，提取优劣直接影响识别准确率。而现在端对端的模型，不需要开发者考虑特征提取，仅需知道输入数据，和获取预测结果，中间过程的提取特征完全由神经网络自己学习。所以端对端模型简化了训练网络模型的方法，把深度学习的学习门槛大大降低了。

yolo预测前，需要对图片进行预处理

首先把输入的图片的宽高resize成inputsize，一般为正方形，如果图片比例不是正方形比例，会resize成小图内置在inputsize的方形框中，空白补上灰色，最后还需要对图片做归一化处理。

非极大值抑制（NMS）

yolo预测的结果会有多个框有重叠部分，需要执行非极大值抑制，目的是去除重复的框。非极大值抑制步骤，从最高分的框开始，遍历其他框，去掉重叠部分大的框，判断阈值为IOU的大小。然后继续迭代得分第二高的框，如此迭代下去。

GIoU

对于任意的两个Ａ、B框，先找到一个能够包住它们的最小方框Ｃ，然后计算“C \ (A ∪ B) ”的面积与Ｃ的面积的比值，最后用Ａ、Ｂ的IoU值减去这个比值得到GIoU。下面有算法的伪代码。

C \ (A ∪ B) 的面积为C的面积减去A∪B的面积

实时查看训练信息

这个跟yolo没关，这是tensorflow的功能，可以实时查看训练时loss的变化
tensorboard.exe --logdir=C:/Projects/AI/tensorflow-yolov3-master/data/log

我用i7 CPU训练十个小时，loss下降到2~3，已经可以检出物体了。此后持续几个小时，loss很难再下降。