yolo记录

Yolo系列理解：

yolov1：

YOLOv1-darknet 内容解析

输入：448x448x3
输出：7x7x30
网络结构：

优点:
快速，pipline简单.背景误检率低。通用性强。YOLO对于艺术类作品中的物体检测同样适用。它对非自然图像物体的检测率远远高于DPM和RCNN系列检测方法。
(1)结构简单，速度快；
缺点:
由于输出层为全连接层，因此在检测时，YOLO训练模型只支持与训练图像相同的输入分辨率。虽然每个格子可以预测B个bounding box，但是最终只选择只选择IOU最高的bounding box作为物体检测输出，即每个格子最多只预测出一个物体。当物体占画面比例较小，如图像中包含畜群或鸟群时，每个格子包含多个物体，但却只能检测出其中一个。这是YOLO方法的一个缺陷。YOLO loss函数中，大物体IOU误差和小物体IOU误差对网络训练中loss贡献值接近（虽然采用求平方根方式，但没有根本解决问题）。因此，对于小物体，小的IOU误差也会对网络优化过程造成很大的影响，从而降低了物体检测的定位准确性。
(1)输入图像大小不能改变，为448；
(2)每个格子预测B个bounding box，但最后只能保留一个物体，对于小物体来说不适用。

yolov2:

相比yolov1，改进包括：
（１）Batch Normalization(解决梯度消失，梯度爆炸问题)；
（２）高分辨率图像分类器；
（３）使用先验框，添加anchor box，可预测一个grid内存在多个物体的情况;
（４）采用预测bounding box相对于anchor box的偏移位置。
（５）…

yolov3

（１）引入FPN;
（２）更好的基础分类网络（darknet-53）;
（３）分类器不再使用softmax,分类损失采用二分类交叉熵损失;

网络结构：输出包括三个分支：分别为32、16、8倍下采样。输出的feature map上每个小格子对应三个anchor，三个尺度的feature map对应９组anchor；anchor大小通过前期聚类获得，最小的feature map对应最大的三个anchor,用来负责预测大物体；最大的feature map对应最小的三个anchor，负责预测小物体。之所以采用anchor的概念，是因为学习ground truth与anchor之间的偏差比直接像yolov1那样直接预测目标宽高更容易。
损失函数这里，正例产生置信度、检测框、类别loss，负例只产生置信度loss，置信度采用交叉熵损失函数，检测框为L2 Loss（MSE），也可采用smooth L1损失，类别标签使用交叉熵损失函数。

yolov4

相对于yolov3，v4结构上几乎没有做改变，backbone那里采用了mish激活函数，还有各种各样的trich，另外值得一提的是yolov4的数据增强方法，如马赛克等，待研究。

参考文章

【论文解读】Yolo三部曲解读——Yolov3；