YOLO v1

最新推荐文章于 2022-03-12 21:40:19 发布
最新推荐文章于 2022-03-12 21:40:19 发布
阅读量605 收藏 2
点赞数 1
分类专栏： CV
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_37501800/article/details/105492054
版权

YOLOv1

一、前期知识储备

1 、论文内容结构

YOLO把检测问题当作回归问题处理
在这里插入图片描述
在这里插入图片描述
假阳性：把物体认为是背景的情况

2、yolo的优缺点

在这里插入图片描述

3、yolo结果分析

1、实验一
在这里插入图片描述
2、与fast-RCNN 对比
在这里插入图片描述
3、yolo+fasterRCNN
在这里插入图片描述
在这里插入图片描述
4、yolo泛化能力强，学到物体的本质特征
在这里插入图片描述

4、目标检测评价指标

1、mAP(平均准确率)：
绿色：groundtruth
红色：检测出的框，并且给出置信度(confidece)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
AP计算
在这里插入图片描述
在这里插入图片描述

二、论文详解

1、yolo算法思想

在这里插入图片描述
1、Resize image. 图片图片输入尺寸448*448
2、Run convolutional network. 输入到神经网络中
3、NMS. 使用非极大值抑制得到最后的结果
4、
(1) 训练阶段：计算loss
(2) 测试阶段：输出预测信息（置信度、类别、框）

2、网络结构细节

1、将图片隐式分为SxS（S=7）个网格
2、物体的中心落在哪个网格内，哪个网格就负责预测这个物体
在这里插入图片描述
3、每个网格需要预测B个框，C个类别
在这里插入图片描述

4、每个框包含了位置信心与置信度（x,y,w,h,confidence），所以一张图片预测的信息共有SxSx(Bx5+C) 个
通过IOU来判断边框内是否有物体
在这里插入图片描述

  • 1、小疑问：YOLO中每一个grid cell 的两个 bounding box 是如何初始化的呢？
  • 给网络一张图片，网络就会给每一个格子选择两个bbox，而且有些时候某些bbox很好的框出了物体，感觉好神奇。 我感觉其实在刚开始训练的时候他肯定不会怎么智能马上预测出我们想要的bbox，肯定是经过多次训练，使预测bbox越来越理想。训练时，输出的数据里面有bbox的x,y,w,h，然后将预测出来的x,y,w,h和真实值比较，通过反向传播修改前面神经网路的参数，经过多次迭代，就能得到理想的bbox。 在测试时训练好的神经网络看到当前网格的一些信息，就能推测出应该用怎么的bbox。比如神经网络看见这只图像中狗的眼睛比较小，他给出的bbox的尺度就会小一点，然后依据嘴巴，脚，尾巴等信息，可以推测出bbox的中心。*
  • 2、思考：YOLO预测存在的问题
  • (1)如果一个网格内出现两个物体
    (2)一个网格包含了很多个小物体
    以上两种情况聚能检测出一个和一类物体，所以yolo对很靠近的物体及小目标群体检测效果不好。

3、网络结构

1、论文中网络结构图

在这里插入图片描述
一个448x448x3的图片经过网络得到了7x7x30的张量信息。
在这里插入图片描述

蓝色的线代表：7x7的中一个网格预测出的信息（2个bounding box和20类的信息）
整体：网络最终预测出的SxSx(Bx5+C)维度的张量信息

2、网络结构详解

在这里插入图片描述

4、损失函数分析

YOLO把检测问题当作回归问题处理：判断类别一般使用交差熵或逻辑回归，但类别损失yolo依然用直接做差方法。
在这里插入图片描述
在这里插入图片描述 在这里插入图片描述
总结：
在这里插入图片描述

5、网络训练细节

在这里插入图片描述
在这里插入图片描述

三、代码实现

参考博客：https://www.cnblogs.com/sddai/p/10288096.html
https://blog.csdn.net/baidu_27643275/article/details/82794559
在这里插入图片描述

qq_37501800
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
humble-yolo:使用Keras的最小YOLO V1实现
05-01
humble-yolo是我写的YOLO v1的最小实现，目的是了解惊人的YOLO算法。 要测试它，请运行： generate-dataset.py生成数据main.py --train --epoch 100用于训练网络您应该看到带有边框的图像列表。 前10张图像是未用于...
【目标检测】YOLOV1详解
qq_38375203的博客
06-24 8833
最近在公司实习，看到其实很多落地的模型都是基于yolo来改进的。在闲暇之余又重新温故了一下yolo系列，并想着将它们进行一个总结。今天就从V1下手，接下来的几个系列也会分别进行详解。相比起Faster R-CNN的两阶段算法，2015年诞生的YOLOv1创造性地使用端到端（end to end）结构完成了物体检测任务。直接预测物体的类别和位置，没有RPN网络，也没有Anchor的预选框，因此速度很快。 YOLOv1是YOLO系列的基准，虽然后面在工程上面大家都是直接使用YOLOV5的开源代码，但是还得需要直
yolov1详解
frighting_ing的博客
03-12 2万+
YOLOv1 YOLOv1是单阶段目标检测方法，不需要像Faster RCNN这种两阶段目标检测方法一样，需要生成先验框。Yolo算法采用一个单独的CNN模型实现end-to-end的目标检测。 整个YOLO目标检测pipeline如上图所示：首先将输入图片resize到448x448，然后送入CNN网络，最后处理网络预测结果得到检测的目标。相比R-CNN系列算法，其是一个统一的框架，其速度更快，而且Yolo的训练过程也是end-to-end的。 具体来说，YOLO将全图划分为S×SS×SS×S的格子，
[机器学习入门] 李弘毅机器学习笔记-17（Unsupervised Learning: Deep Auto-encoder；无监督学习：深度自动编码器）
Holeung blog
06-21 2336
[机器学习入门] 李弘毅机器学习笔记-17（Unsupervised Learning: Deep Auto-encoder；无监督学习：深度自动编码器） PDF VIEDOAuto-encoder 什么是-encoder呢? NN Encoder & NN Decoder 要一起训练。 Starting from PCA the auto-encoder can be dee
20130828可注册域名列表
热门推荐
落寞红尘
08-28 20万+
aabkx.com aapun.com abmrw.com abnks.com acphq.com acsgq.com actcL.com aderz.com adjni.com adojj.com adyjy.com afabd.com afcfx.com afrhi.com afubd.com ahscp.com aihtt.com aimfp.com ai
pytorch简单实现yolo v1
weixin_41009689的博客
05-10 5399
首先本文的参考代码来自于添加链接描述和添加链接描述 yolo v1 原理简析 yolo v1的原理相较于其他的一些目标检测算法稍微没那么复杂，Yolo采用一个单独的CNN模型实现end-to-end的目标检测模型。 检测框架 整个框架把输入图片分成S×S个grid，然后每个格子预测两个bbox，每个bbox包含五个预测参数：x, y, w, h, c。前四个参数都是归一化之后的，其中c代表置信度，表示预测的这个框属于哪一个物体。另外每个格子都预测20个假定类别的概率，网络的最后输出为S×S×30(52+20
yolo v1 目标检测算法的损失函数详尽代码注解
05-02
应该是目前为止互联网上能找到的关于yolo v1目标检测开源算法损失函数的最详尽的代码注释了吧！对于初学人工智能的朋友们应该有所帮助。
yolotfjs-yolo、yolo v3和Tiny yolo v1、v2、v3与Tensorflow.js
最新发布
03-27
【yolo】tfjs-yolo、yolo v3和Tiny yolo v1、v2、v3与Tensorflow.js 说明：tfjs-yolo、yolo v3和Tiny yolo v1、v2、v3与Tensorflow.js (tfjs-yolo,YOLO v3 and Tiny YOLO v1, v2, v3 with Tensorflow.js) 文件列表: ...
YOLO V1-V7思想理论笔记
10-25
2023.10.25 有关于yolo系列理论的纸质笔记存档 笔记主要是记录视频BV11K41167Ar 不清楚的部分不重要，不必细究。
YOLO V1 论文高清
04-24
YOLO目标识别V1第一篇论文，学习之后再看YOLO9000和YOLOV3更加深入
报错：No principal was found in the response from the CAS server
a1833255的博客
11-24 1万+
在做cas单点登陆时数据库连接配置没问题，用户信息也没问题，客户端也配置好了，单点登陆可以正常登录，就是跳回客户端时在Cas20ServiceTicketValidator这个类的下面的方法里报出错来， protected final Assertion parseResponseFromServer(final String response) throws TicketValidationEx
YOLO中每一个grid cell 的两个 bounding box 是如何初始化的呢
dss875914213的博客
06-15 4099
刚刚也在想这个问题，突然想到这种解释，也不知道对不对，和大家讨论讨论。 感觉我们问这个问题的时候，关注的是预测时，给网络一张图片，网络就会给每一个格子选择两个bbox，而且有些时候某些bbox很好的框出了物体，感觉好神奇。 我感觉其实在刚开始训练的时候他肯定不会怎么智能马上预测出我们想要的bbox，肯定是经过多次训练，使预测bbox越来越理想。训练时，输出的数据里面有bbox的x,y,w,h，...
YOLO v1原理总结
chaojianmo的博客
05-07 487
论文原文：https://arxiv.org/pdf/1506.02640.pdf 1 网络结构 1）结构 YOLO的结构非常简单，就是单纯的卷积、池化最后加了两层全连接。单看网络结构的话，和普通的CNN对象分类网络几乎没有本质的区别，最大的差异是最后输出层用线性函数做激活函数，因为需要预测bounding box的位置（数值型），而不仅仅是对象的概率。 2）输入和输出的映射关系 ...
YOLO_v1目标检测算法深入理解
猫ER
02-19 865
目录 一、YOLO算法的引入 二、算法的初步思考 二、简单的网络结构 三、数据集的处理 四、LOSS函数的形成 1、类别部分 2、存在物体的置信度部分 3、不存在物体的置信度部分 4、宽高的部分 5、LOSS公式中的几个lambda参数 五、预测 六、总结 论文地址：https://arxiv.org/abs/1506.02640 一、YOLO算法的引入 ...
yolo系列——v1详解
K-RI的博客
11-10 2872
yolo系列——v1详解 概述 yolo系列，持续更新 yolo系列已经出到v5，在目标检测方向的表现越来越强。虽然v1较之后的版本，SSD等网络相对简单，但还是建议大家从头学起，打好一些基本功，以便于日后设计新的识别网络、发顶会或者工程化可以有清晰的思路。任何算法都需要自己理解并实现，简单的拿来主义并没有实质性的帮助。 论文地址：https://arxiv.org/pdf/1506.02640.pdf tf实现：https://github.com/gliese581gg/YOLO_tensorflow
【深度学习YOLO V1】深刻解读YOLO V1（图解）
c20081052的专栏
05-08 10万+
参考：http://blog.csdn.net/u011534057/article/details/51244354论文下载：http://arxiv.org/abs/1506.02640 darknet版的代码下载：https://github.com/pjreddie/darknettensorflow版本的代码下载：https://github.com/hizhangp/yolo_tens...
You Only Look Once: Unified，Real-Time Object Detection总结翻译
Beans___Lee的博客
04-12 612
摘要 我们介绍了一种新的对象检测方法名为YOLO。在进行目标检测前，要进行分类来进行检测。相反，我们将对象检测框架变为空间分离的边界框和相关类别概率的回归问题。单个神经网络在一次评估中可以直接从完整的图像中预测边框和所属类别的概率。由于整个检测管道是单个神经网络，所以可以直接对检测性能进行端到端的优化。 我们的这种统一框架非常快。我们的基础YOLO模型以...
YOLO v1、v2、v3
Stay fool & simple
03-28 396
YOLO 流程 利用整张图作为网络的输入，darknet网络特征提取，其中经过五次下采样，还是用了残差结构。(目的是使网络结构在很深的情况下，仍能收敛，继续训练下去。)然后输出的尺寸是13×13，然后两个分支经过DBL特征提取，与下采样的特征图相加，得到不同尺度的特征图。即输出3个不同尺度的特征图，每个尺度的特征图负责预测不同大小的目标。每个特征图对应3种anchor大小不同的负责预测目标。最初图...
Windows下的Tesseract的配置安装与使用
欧世乐
11-04 3305
1.下载Tesseract安装包 大家可以去官网下载，也可以上软件园下载，主要看速度了。 这里提供了我的网盘供大家下载： 链接: https://pan.baidu.com/s/1oEsV-ORJ75y1SsMpPN6Nog 提取码: ju4w 2.安装 一直按next就行了，因为无法连接到Tesseract的服务器，所以无法在安装的时候选择下载多语言，有需要的话可以在网上额外下载，这里先不考虑。...
yolo v1的优点与缺点
03-22
YOLO（You Only Look Once）是一种实时目标检测算法，YOLO v1是其第一个版本。下面是YOLO v1的优点和缺点： 优点： 1. 实时性：YOLO v1以极快的速度进行目标检测，可以在实时视频中实现高效的目标检测。 2. 简单...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值