yoloV1综述(You Only Look Once)

听说zsg

已于 2023-09-07 18:53:15 修改

阅读量52

点赞数

文章标签： YOLO

于 2023-08-19 13:10:47 首次发布

本文链接：https://blog.csdn.net/m0_51887082/article/details/132251934

版权

目标检测综述

图像分类,定位: 图像分类给一个图片直接分类并不会将所分类的物体定位，没有矩形框

目标检测：将多物体检测出其类别，可以将多个物体定位，画出矩形框

语义分割：每个像素的类别输出，并不区分同一类别的不同实例

实例分割：区分不同实例dog1，dog2，dog3，也是像素级的输出

可以供检验的数据集

单阶段：直接将图像传入，端到端Yolo，速度快，准确率低

双阶段：先从图像中提取出若干候选框，再逐一的对这些候选框分类甄别

Faster-RCNN

通过专门模块去生成候选框RPN，寻找前景以及调整边界框(提出了RPN网络，使用RPN直接预测出候选框的位置，anchors就是在图像上预设好的不同大小，不同长宽比的参照框。非常类似于滑窗法所设置的窗口大小)

前景是指我们所需要检测的目标,而不感兴趣的目标就是背景

基于之前生成的候选框进行分类以及调整边界框(基于proposals(候选框))

YOLOV1 单阶段目标检测框架

YOLOV1 的预测阶段

448*448*3通道的彩色图像 ------> 7*7*30的张量

每一个网格(grid cell)可以预测2个边界框(bouding box)所代表五个信息 x,y,h,w,c

x：表示边界框在图像中的水平位置（通常使用左上角的x坐标表示）。
y：表示边界框在图像中的垂直位置（通常使用左上角的y坐标表示）。
h：表示边界框的高度（或者垂直方向的尺寸）。
w：表示边界框的宽度（或者水平方向的尺寸）。
c：表示预测的类别置信度。这个置信度表示边界框中包含某个特定类别的概率。
c = Pr(Object)*IoU[truth,pred]

剩余的20位代表20个类别的条件概率

条件概率：他是物体的概率前提下他是某一类别的概率

我理解的是置信度指的是某一个单元格预测出来的边界框框住某一特定类别（某一物体）的概率

但他可能是猫，狗，自行车，人这取决于 20个类别的条件概率

假设我们的目标是在一张图像中检测狗的边界框。模型预测的置信度为0.8，表示该边界框中包含狗的概率为0.8。而我们已知在该图像中狗的先验概率为0.6。那么，通过将置信度0.8与先验概率0.6相乘，我们可以得到该边界框代表狗的全概率为0.48。

将每个bounding box 用彩色框图画出置信度越高线条越粗，剩余的工作就是将重复的低概率的框图剔除，下图是可视化处理，

7*7个grid cell -- > 98个bounding box ---> 98个框图

预测阶段后处理-NMS非极大值抑制

后处理：从7*7*30的张量-->结果图

先进行设置阈值将较低的置信度置0，再进行降序排序。之后进行NMS算法处理

IoU ：交并比代表两个框重叠的面积 /两个框的并集部分面积

IoU越高证明两个框框住的是同一个物体也即是重复的框

如果 IoU> 0.5(可以设置) 就将较小的条件概率置零

对NMS算法理解：

首先不能对每一行取最大值其余值置零：如果一个图中有两个狗，那么如果置零会导致，另一个狗不会被检测到.

一个grid_cell会预测出两个bounding_box，如果这个grid_cell是某个类别的中心点，那这两个bounding_box的IOU一定是大于0.5的,其中一个会被剔除，会将全概率最大的bounding_box留下,

对于某一类别（狗），NMS处理过后很有可能还有大于0.2（threshold）,IOU ＜0.5 这样的框会留下，但我们清楚这个框并不是预测狗的，最终这个框消失是因为被其他类别竞争掉，最终会按照每一列中的20个全概率取其最大的值所代表的类别进行显示。当然有些NMS处理过后留下的值会被竞争掉，因为每一个框只能表示一个类别.

如果一个图像的中心点，与另一个图像的中心点重合，甚至各占一个grid_cell的50%,这时应该是在同一个置信率下，每一个bounding_box可能有两个类别的条件概率都很大，最终要么因为IOU其中的一个条件概率被竞争掉，要么通过每一列的最大值输出竞争掉

所以说经过NMS没被剔除的框(前提全概率>0.2，可能置信度高条件概率低导致的，会使得IOU低因为不是同一个grid_cell或者不是同一个物体)要么同一类别的多个物体，要么最终看某一列的最大值时被其他类别竟争下去。