目标检测的YOLOv1，v2

目录

YOLO-V1 

one stage算法流程

​编辑 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

 网络结构

 聚类提取先验框

Anchor Box 

Directed Location Prediction x 

YOLO-V2-Fine-Grained Features 

Multi-Scale 

---

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

1. 更快！更强！
2. 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。