YOLO系列学习

---

前言

yolo系列讲解 改系列的相关文章链接如下： [论文链接汇总](https://pjreddie.com/publications/)

---

一、YoloV1

• 特点：
  • 全局推测，直接将图片划分为S*S的网格，每个网格预测n个目标坐标，20个类别的可能性
  • 每个预测的目标会给出一个置信度（目标概率*IOU）
  • 每个框预测的参数数量为 （4+1）*2 +20
  • 没用anchor的概念，直接预测坐标的。
  • 对小目标密集目标的检测效果较差
• 网络结构：
  • 
  • 对原始图片做卷积到一个7*7大小的尺寸，然后做全连接处理再重新reshape回来。
  • 损失函数:
    • 

二、YoloV2

• 特点： 在V1的基础上进了改进
  • Batch Normalization
    • 使用BN层
  • High Resolution Classifier
    • 高分辨率的分类器
  • Convolutional With Anchor Boxes
    • 使用achor的方式来预测
      • 使用先验知识来框出一个目标的大小，然后真实的标注数据会根据这个框计算一个偏差，预测的数据也会根据这个框计算一个偏差，然后两个偏差计算损失度。
      • 使用正负样本来计算损失：
        • 正样本是大于某一个IOU的负样本是小于某一个IOU的
        • 负样本只计算类别损失置信度损失，不计算位置损失。
  • Dimension Clusters
    • 使用聚类的方法来获取anchor的大小，根据数据的情况而变换的，要自己聚类奥。
  • Direct location prediction
    • 限制预测的偏移量，预测的x,y都限定在当前的预测框内，增加预测的稳定性
  • Fine-Grained Features
    • 进行特征的融合，把高维特征和低维的特征图融合，解决小目标检测问题
  • Multi-Scale Training
    • 每迭代几次都更改输入图片的尺寸，尺寸选择为缩放因子的整数倍。
  • 预测结果：
    • 使用1*1的卷积来进行预测
    • 预测结果为 每个框给5个预测值，每个值都预测置信度位置和类别三种信息（125个信息）。
• 网络结构：