YOLO理论（V1-V3）

V1

也就是相当于用预测bounding box替换了anchor。

V1问题：

        1、对群体性小目标效果很差

        2、定位不准

V2 

better

1、BN层，可以省略dropout

2、 更高分辨率的分类器（448*448）

3、基于anchor目标边界框预测方式

4、K-means聚类

5、限制预测坐标信息

对预测的坐标信息进行限制，也就是用sigmoid将偏移量限制在0-1，防止通过预测边界框出现在图像的任意一个地方。

6、将高层特征图和低层特征图进行融合，融合一些底层信息，更利于检测小目标

类似于pixelshuffle逆过程 

7、多尺度训练，增加网络鲁棒性。

将图片缩放到不同的尺寸进行模型训练。

每迭代是个batches就从320-608里随机选一个作为输入尺寸。 

更快：darknet-19网络。这里用224*224和之前网络作比较，但训练还是用本文提出的448*448

V3

1、修改backbone

方框内是残差结构，网络中没有最大池化层

在每个预测特征层上的每个cell会预测三种尺度 

V3 SPP

mosaic图像增强：将多张图片拼接在一起增加目标数量

SPP模块：借鉴于SPP网络的SPP模块

因为L2损失不能很好的反应重合程度，因此这里使用IOU loss。

还有更常见计算IOU损失： 1 - IOU 

更优的GIoU和LGIoU Loss

Ac是将两个区域圈起来的最小矩形区域，u是两个区域的并集。 

但当区域水平或者垂直相交时，会退化成IOU

DIOU

 LIoU收敛慢，LGIoU定位不准

b是预测边界框的中心，bgt是真是边界框中心，P2就是求他们之间的欧氏距离，c是两个边界框最小外接矩阵的对角长度。

CIoU
 

相比于DIoU引入了长宽比 

Focal loss

 

a用于平衡政府样本的权重

 

 

α用于平衡正负样本的权重

 

由于α不能区分容易得样本和困难的样本，于是提出一个可以降低易分样本的损失函数。

 

文章仅供学习