P1-YOLO学习1.1-YOLOV1

目录

一.YOLOV1

        1.Abstract

        2.Core

        3.NetWork

        4.Training 

        5.Experiments

         6.WebNet

        7.Innovation point

---

一.YOLOV1

        1.Abstract

                

        分析：You Only Look Once 即你只看一遍即可。本文提出了一种不同与分类器检测的思想，即一种一个CNN解决一个回归问题。其优点为检测速度(FPS)和mAP很快，因此非常适合视频实时检测。

        2.Core

 

         YOLOV1的核心思想是将图像分成S*S的小网格，如果物体的中心点落在了某一个网格内，那么就由这个网格来进行预测这个物体。

        每个中心点产生两个候选框(YOLOV1中bicth=2)B1(x1,y1,w1,h1) B2(x2,y2,w2,h2)，实现代码中对其进行归一化(分别除以图像的w和h)，然后拿真实值算iou，谁的iou大进行微调，每个候选框有一个置信度confidence(当前这个点是物体还不是物体)或者大于某个阈值。每个格子预测一下格子内是什么物体。

        Q1:多点产生重合的框怎么办？

                NMS(非极大值抑制):按置信度进行排序，选最大的

        Class probability map(类概率图):每个cell只负责预测一个类别

总结：YOLOV1核心思想是将目标检测问题转换为一个回归问题，通过一个单独的神经网络模型预测目标的位置和类别。

        1>单次预测:YOLOV1采用一次向前传播，直接再整个图像上生成目标的预测，避免多次预测和区域划分的过程

        2>网格划分:YOLOV1将图像分割成一个固定大小的网格，每个网格负责预测目标信息

        3>边界框预测:每个边界框由一组坐标值表示，包括x,y,h,w，使用回归模型预测边界框的坐标，网络输出是相对网格单元的偏移量和边界框的宽高比

        4>类别预测:对于每个网格，YOLOV1预测多个类别的概率。

        5>损失函数:使用自定义的损失函数平衡边界框位置预测和类别预测的损失

        3.NetWork

        

         神经网络受GoogleNet启发采用24个卷积层和两个全连接层，但不同的是初始模块采用了1*1和3*3的卷积核

        Q2:为什么是448*448*3？

                受到了全链接层的限制，必须固定图片大小。

        第一个全连接层转换为4096个特征

        第二个全连接层为1470，其含义为7*7的格子，每个格子预测出30个值

        

         Q3:为什么用来两个全连接层？

                两个全连接层能够解决非线性问题

        其中30的含义，前5为b1，再5为b2,剩余20为分类任务

        4.Training 

        

 

        Q4:为什么位置误差中w,h加上了根号？

                 为了统一大小物体的误差

        数值较小更敏感，但解决的不大，后面版本还有改进

        5.Experiments

         6.WebNet

YOLO: Real-Time Object Detection

        7.Innovation point

        1>首次提出one-stage的概念实现end-to-end的图像检测，因其FPS远远高于同时期其他模型，因此YOLO更适用于实时检测

        2>为了提高检测速度，每个检测点只选出两个候选框进行识别预测

        3>提出了比较合理的损失函数