YOLO V1
算法思想
- 将一幅图像分成s*s个网格,如果某个目标的中心落在这个网格中,则这个网络就负责预测这个目标。
- 每个网格要预测B个bounding box,每个bounding box除了要预测位置之外,还要附带预测一个置信度,每个网格还要预测C个类别的分数。
网络结构
YOLOv1使用了24层卷积层和2层全连接层,最后得到一个7*7*30的Tensor
输出的7*7*30中的30表示的是两个预测框的位置和置信度以及20个类别的分数,前10个表示的是两个框的中心点坐标和置信度,后20个表示的是20个类别的分数
损失函数
这四个损失都是使用的误差平方和,其中在计算宽高损失的时候先开根号后再求误差平方和,是因为当小目标和大目标的差值相同时,如果直接做差那就造成两个的损失是一样的,但现实是大目标的损失应该更小些,所以作者使用了开根号后再求误差平方和。
与
的作用,就是让含有物体的格点,在损失函数中的权重更大,让模型更加“重视”含有物体的格点所造成的损失。在论文中,
与
的取值分别为5与0.5。