(三)目标检测-单次目标检测器总结

1、YOLO1

具体做法：将image划分为S*S个网格，每个网络预测B个bbox的位置（x,y,w,h）、置信度（confidence为交并比）、类别概率。输出维度为S*S*（B*5+C），C为类别数。无论网格中包含多少个boxes，每个网格只预测一组类概率。测试时，将条件类概率和预测框的置信度乘起来，表示每个box包含某类物体的置信度，这个分数可以将box中的类别可能性和预测精确度同时表示出来。

基本网络模型为Google net，但未使用inception模块，而是交替使用1*1和3*3卷积层。

 损失函数：框中心位置x,y损失+框宽高w,h损失+置信度confidence损失+分类loss

 优点：

1）速度快。看作一个回归问题，不需要复杂的pipeline

2）对图像有全局理解。用整个图像的特征去预测bbox，而不像RCNN，只能候选框的特征预测bbox

3）候选框的数量少很多，仅7*7*2=49个。而RCNN的selective search有2000个，计算量大

缺点：

(1) 每个网格只预测2个bbox，限制模型预测物体的数量

(2) 多次下采样，边界框预测所使用的特征是相对粗糙的特征

2、YOLO2

(1) 批标准化

让梯度变大，避免梯度消失；收敛更快，训练过程更快；不是应用在整个数据集，有噪声，提高模型泛化能力

(2) 借鉴RPN的anchor boxes，有先验知识，预测更快

(3) 用k-mean聚类算法，得到yolov2的先验框prior boxes

用k-mean聚类算法，让模型自动选择更合适的先验框长、宽（yolo1是人工指定的，带有一定的主观性），自定义聚类算法的距离矩阵：

 centroid是聚类时被选为聚类中心的框，box是其他框

(4) 将预测的偏移量限制在一个网格范围内，模型更稳定

预测的是预测框中心相对于网格单元的偏移量，使用logistic将预测值限制到0~1范围内，这样框偏移就不会超过1个网格

(5) 网格为每个bbox预测5个预测量:tx,ty,tw,th,to

设网格左上角偏移图像左上角的距离是cx,cy,且模板框的高、宽为ph、pw。

预测框坐标计算如图：

 Darknet19：19个卷积层+5个池化层，最后一个全局平均池化层输出1000类别

 3、YOLO3

(1) 多标签检测

每个框中可能有多个类别物体，而softmax只能用于单分类，因此换成sigmoid，sigmoid可以做多标签分类

(2) 结合不同卷积层的特征，做多尺度预测

将当前层上采样的特征图，加上上层的特征图，得到一个组合特征图，在添加一些卷积层来处理这个组合的特征图，这样可以预测更细粒度的目标。

(3) 网络结构（DarkNet53=DarkNet19+ResNet）

结合残差思想，提取更深层次的语义信息

仍然使用连续的3*3和1*1的卷积层

通过上采样对三个不同尺寸做预判。如将8*8的特征图上采样和16*16的特征图相加再次计算，这样可以预测出更小的物体

采用步长为2的卷积层代替pooling层，因为池化层会丢失信息

 (4) 预测更多目标

用k-mean均值聚类算法为每个网格预测9个anchor

(5) 损失函数

使用交叉熵损失函数进行类别预测（yolov2用的是平方误差）

4、YOLO4

Bag of freebies:

Pixel-wise调整	几何畸变	Random Scaling、Random Cropping、Random Filpping、Random Rotating
	光照变化	Brightness、contrast、hue、saturation、noise
遮挡		Random Erase、Cutout、Hide-and-Seek、Grid Mask、正则（Dropout、DropConnect、）
多张图片进行增强		Mixup、CutMix
GAN		Style Transfer GAN
数据分布不均衡	两阶段	Hard Negative Example Mining、Online Hard Example Mining
	单阶段	Focal loss
One-hot类别之间没有关联		Label smoothing、知识
BBox回归		IOU loss、DIOU loss、GIOU loss、CIOU loss

Bag of specials

即插即用模块	提升模型感受野	SPP、RFB、ASPP
	注意力机制	SE、spatial attention、point-wise attention
	特征融合模块	Skip Connection、Hyper Column、FPN（SFAM、ASFF、BiFPN）
	激活函数	RelU、LReLu、PRelu、ReLU6、SELU、Swish、Hard Swish、Mish
	后处理方法	Greedy NMS、Soft NMS、DIOU NMS
核心方法	创新点	Mosaic数据增强方法
		self adversarial training 自对抗训练
		CmBN 改进了CBN
		Modified SAM 改进了SAM
		PANet 将shortcut改为concate

 其中没有详细展开backbone部分，其实backbone之前在解读CSPNet的时候就讲过了，yolov4使用的是CSPDarknet53作为Backbone.