YOLOv2实现分析与改进思考

目标检测算法实现细节

 

代码：https://github.com/experiencor/keras-yolo2

1 网络结构的构建

输入维度：

    416*416(yolo v2为全卷积网络，可以接受任意尺寸的图像输入)

输出维度：

    13*13*（5+80/20）

    栅格数*anchor box个数*（5+类别数）

    5中1个元素表示是目标的置信概率，4个元素为目标框的信息（x,y,w,h）

网络结构：

    跑过的是yolov2-voc的模型，共23个卷积层，参照goolenet的设计结构，不过没有使用goolenet中的inception模块，而是简单的使用1*1卷积后面接3*3卷积的模式，简化网络

• 卷积滤波器模板：主要用到3*3卷积（same模式）和1*1卷积（主要用于压缩通道），1*1卷积也可以用于构建瓶颈层，降低计算成本（比如将28*28*192->28*28*32变为中间插入1*1  卷积，28*28*16）

• 池化模板：主要用到2*2的池化，用于缩小尺寸，共有5个池化层（1/2/5/8/13）

• 每层进行Batch Norm,规范化网络，学习速度更快，而且有正则化效果，无需在进行dropout

• 用leakyRelu的激活函数（相比relu解决了神经死亡问题，相比sigmoid和tanh函数，减轻了梯度消失问题）

优化方法

• Adam梯度下降算法

训练样本

• voc2007

• 训练集和测试集均为2500多张图片，6300多个目标，类别20（人、动物、交通工具、室内物体）

anchor box的作用思考

• 学习时有一定参考，可以更快收敛

• 让一个栅格可以检测多个目标

2 loss函数的构建

loss

• 四类loss，分别是object、noobject、class、coord。总体loss是四个部分的平方和

• 权重不同，对有目标的权重为5，其余为1

• yolov2不直接预测位置信息，而是预测位置相对于anchor box的变换关系

下图分别为yolo_v1和yolo_v2的loss函数