YOLO算法笔记
YOLO算法使用联合检测,将整幅图片首先拉伸成448*448,后将图片分为7*7的区域,对于每一个区域,预测B个bounding box,每一个bounding box包含五个信息:x,y,w,h和confidence,其中confident是bounding box是存在某个目标情况下的条件概率,后预测C个类别的可能性P(C),是该区域存在某个目标的概率,这样子最终的预测结果应该包含7*7*(B*5+C)个信息。
针对损失函数的一些问题:
- 针对于损失函数收敛速度不同问题,作者通过设定学习速度的超参数,抑制不存在目标情况下的收敛速度。
- 针对于小目标检测效果不好的问题,作者在损失函数中训练的不是w和h,而是根号下w和h,从而提高对小目标的识别率。
- 另外每个区域仅仅选择一个合理目标,那就是拥有最高IOU的bounding box,只有这个bounding box才参与损失函数的收敛。
针对训练的一些问题:
- 作者一共训练了135个周期,前75个周期学习速率为0.01,中间30个周期是0.001,最后30个周期是0.0001。
- 为了防止过拟合,作者使用了dropout方法,