深度篇——目标检测史(六) 细说 YOLO-V3目标检测

返回主目录

返回 目标检测史 目录

上一章：深度篇——目标检测史(五) 细说 SSD 目标检测

下一章：深度篇——目标检测史(七) 细说 YOLO-V3目标检测 之 代码详解

 

论文地址：《YOLO-V3》

代码地址：tf_yolov3_pro

 

本小节，细说 YOLO-V3 目标检测，下一小节细说 YOLO-V3目标检测 之 代码详解

 

七. YOLO-V3 目标检测

YOLO (You Only Look Once, YOLO) 你只看一次

YOLO-V1：2015 年，YOLO-V2/9000：2017 年，YOLO-V3：2018 年

1. YOLO 代表 你只看一次。它是一种使用深度卷积神经网络学习特征来检测目标的目标检测器。YOLO 仅使用卷积层，使其成为全卷积网络 (FCN)。在下采样时，不使用 pooling层，而是使用一个步幅为 2 的卷积核对 feature maps 进行下采样操作。这样有助于防止由于 pooling 而丢失底层的特征。

 

2. YOLO-V3 使用 3 个不同尺度大小的 feature maps 来进行预测。在每个尺度的 feature maps 的每个位置(像素) 又都使用 3 个不同纵横比的 bounding boxes 来预测。3 个不同尺度大小的 feature maps是通过对  backbone 最后的 feature maps 的长、宽 分别 x2 进行的上采样后再与该尺度对应的 feature maps 通过 concat 而得到。而 anchors 的分布可以通过 k-means 聚类来决定 bounding boxes 的位置。在 COCO 数据集中，3 个不同尺度的 bounding boxes 对应的 anchors 分为 9 个簇，它们为：(10 x 13), (16 x 30), (33 x 23), (30 x 61), (62 x 45), (59 x 119), (116 x 90), (156 x 198), (373 x 326)

 

3. YOLO-V3 的步骤：

  (1). 将整张图像输入，通过 CNN 提取 3 个不同尺度的 feature maps 为后面的预测做准备(分为 大、中、小 3 个尺度)。