目录
Directed Location Prediction x
YOLO-V1
one stage算法流程
· 常见one stage算法
- YOLO系列:YOLO v1-v5
- SSD系列:SSD、DSSD、FSSD
- 其他经典:RefineDet
- 经典的one-stage方法
- You Only Look Once,名字就已经说明了一切!
- 把检测问题转化成回归问题,一个CNN就搞定了!
- 可以对视频进行实时检测,应用领域非常广!
核心思想
网络架构
损失函数
NMS(非极大值抑制)
优势
快速,简单!
YOLO-V2
- 更快!更强!
- 更大的分辨率
- V1训练时用的是224*224,测试时使用448*448
- 可能导致模型水土不服,V2训练时额外又进行了10次448*448的微调
- 使用高分辨率分类器后,YOLOv2的mAP提升了约4%
网络结构
- DarkNet,实际输入为416*416
- 没有FC层,5次降采样(13*13)
- 1*1卷积节省了很多参数
聚类提取先验框
- faster-rcnn系列选择的先验比例都是常规的,但是不一定完全适合数据集
- K-means聚类中的距离
Anchor Box
- 通过引入anchor boxes,使得预测的box数量更多(13*13*n)
- 跟faster-rcnn系列不同的是先验框并不是直接按照长宽固定比给定
Directed Location Prediction x
- bbox:中心为(xp,yp);宽和高为(wp,hp),则:
- tx=1,则将bbox在x轴向右移动wp;tx=−1则将其向左移动wp
- 这样会导致收敛问题,模型不稳定,尤其是刚开始进行训练的时候
- V2中并没有直接使用偏移量,而是选择相对grid cell的偏移量
公式:
·感受野:概述来说就是特征图上的点能看到原始图像多大区域。
假设输入大小都是h*w*c,并且都使用c个卷积核(得到c个特征图),可以来计算一下其各自所需参数:很明显,堆叠小的卷积核所需的参数更少一些,并且卷积过程越多,特征提取也会越细致,加入的非线性变换也随着增多,还不会增大权重参数个数,这就是VGG网络的基本出发点,用小的卷积核来完成体特征提取操作。
YOLO-V2-Fine-Grained Features
最后一层时感受野太大了,小目标可能丢失了,需融合之前的特征。
Multi-Scale
- 都是卷积操作可没人能限制我了!一定iterations之后改变输入图片大小。
- 最小的图像尺寸为320 x 320。
- 最大的图像尺寸为608 x 608。