[yolo笔记]学习YOLO的个人笔记：理论与

首先学习的是这篇知乎文章

参考链接

yolo官网
yolo论文原文

YOLO简介: You Only Look Once

YOLO是一个目标检测算法。
输入一张图片，给出对象的bounding box及分类标签，如下图（图片来自yolo官网）。
YOLO是一个只使用一次CNN的端对端的算法。
目前已有好几代。

问题建模

• Yolo的CNN网络将输入的图片分割成S*S的 网格， 每个网格需要负责预测以本格子为中心的目标。
• 每个网格需要预测B个边框的位置，和C个类别各自的概率。总共是(B*5+C)个值。 其中
  • 其中B是要预测几个边框
  • C是类别数量。
  • 5是说每个边框需要5个数值：(x,y,w,h,c),其中c是置信度。
• 所以最终预测值是一个SS(B*5+C)的张量。
  • 以S=7，B=2, C=3 （狗，自行车，汽车）为例，最终预测值是一个SS(B5+C) = （77*30）的张量.。

网络结构

网络训练

先用ImageNet（GoogleNet）预训练（没太懂）。
回归问题，损失函数是均方差函数，但加了权。最后是一长串公式。

非极大值抑制 （non maximum suppression, NMS）

目的：去掉多余的框。
如下图，我们需要保留两个框，现在有5个，我们想删去多余的三个框。

算法步骤：

• 假设有ABCDE五个框，
• 先找出置信度最大的A，保留；然后计算BCDE和A的交并比IOU。发现IOU(A,B）大于阈值，则删除B，还剩A|CDE。
• 接着从CED中找出置信度最大的，发现是C，然后计算D和EyuC的IOU。发现IOU(C,D)和IOU(C,E)的均大于阈值，删去DE.还剩AC|
• 所以AC就是最后剩下的两个框。

未完待续