YOLO系列笔记

最新推荐文章于 2022-10-28 00:38:08 发布

BrotherHappy

最新推荐文章于 2022-10-28 00:38:08 发布

阅读量220

点赞数

文章标签：机器学习深度学习人工智能计算机视觉 python

本文链接：https://blog.csdn.net/q1540108857/article/details/116794684

版权

YOLO 系列论文笔记

YOLOV1

1. 整体框架

1.1 思想

在这里插入图片描述

可以从上图看出来思想就是切分为S*S个cell，最后是化为一个 $(S, S, N)$ 的一个特征图来进行类别和边框的预测。

每一个边界框应该包含 $x, y, w, h, c o n f i d e n c e$ 五个变量，每一个cell包含 $B$ 个bbox，同时一共有C类，所以上段话中的N= $B * 5 + C$

1.2 模型

模型的图片可以见下图
在这里插入图片描述

通过Maxpool进行特征图(H,W)的缩小，期间不断通过卷积提取特征，知道特征图变为(7,7,1024),接着对最后一个特征维度进行两次全连接层的连接矩阵分别别是(1024,4096)->Drop(0.5)->(4096,30),最后得到了4096*30得到了所有的预测框和类别信息。

2. 一些公式

置信度

置信度表示这个区域中含有物体(非背景)的一个score，按照如下的公式进行定义：
$Confidence = Pr(Object)*IOU_{pred}^{truth}$
边界框预测的 $x, y, w, h, c o n f i d e n c e$ :
$\begin{aligned} &(x,y)强制让bbox的中心在cell内，所以(x,y)代表中心在这个cell中的相对位置取值在(0,1)中变化\\ &(w,h)有了bbox的中心位置，宽高应该是相对于整个图像来说的\\ \end{aligned}$
对于类别预测的条件概率 $Pr(Class_i|Object)$ ，这里需要注意，对于每一个cell只能有一个类别预测，一般用 $(c 1, . . . c n) (如果有 n 类)$ 来表示。

测试的时候使用如下的式样，能够反应对这个预测框对这个目标的适应性有多好。因为既能反映照了框的拟合程度(IOU)，也反映了类别的拟合程度 $Pr(Class_i)$
$Pr(Class_i|Object)*Pr(Object)*IOU_{pred}^{truth}=Pr(Class_i)*IOU_{pred}^{truth}$
损失函数的公式

损失函数主要包括边界框损失，有无目标的置信度损失和类别预测损失三个部分组成，下面将一一分析。
- confidence损失：用来判断这个cell是否有object存在的置信度损失，confidence>阈值，就把这个地方判断为有目标存在，即 $\Iota^{obj}=True$ ,这个公式会在下面用到。
  
  损失函数携程下面的形式：其中 $\lambda_{noobj}$ 为负样本损失权重，因为图中一般负样本较多所以需要让它很小。
- 边界框损失：YOLO中边界框损失主要包括中心点的准确度和长宽的损失度。
  
  如以下的公式所描述的，只有在有目标存在的前提下才计算边界框损失函数，其中中心点坐标采用均方差损失，长宽采样开放后的均方差损失。