关于yolov系列,一直以来都是目标检测所绕不开的重点系列,作者将会在接下来一段时间对yolo系列进行回顾和理解,并加上一定的总结,作为复习。
*不过对于我来说,看了再多有关yolo系列的总结都不如自己去读原文来的比较好,印象深刻,毕竟哪些文章都是其他人的理解思路。
原文链接:[1506.02640] You Only Look Once: Unified, Real-Time Object Detection (arxiv.org)
在yolo系列之前最常见的方法就是R-CNN系列,在图片上生成预选框->分类->对boundingbox进行精简,消除重复框。 这种方法不仅需要两阶段训练而且缓慢。
与之不同Yolov1的思路是将其看做线性回归问题,将图片中的每一个像素点与bound box 和class 信息回归。另外,两阶段训练将会变成统一网络,大大提升检测速率。
Yolov1将输入的图片分成s*s的小格子,如果目标的中心在某个格子内,那么这个格子将会用于检测这个目标。每个小格子在预测B个检测框的同时还会生成置信度得分,该置信度得分反映了预测框与真实值之间的交并比。每个bounding box包含(x , y , width, height , score)
在测试阶段,将会对置信度得分和分类概率相乘积。
在损失函数方面,本文使用sum-squared error , 但是由于在无目标的网格中置信度得分为0,使用sum-squared error会影响具有目标的网格,导致模型不稳定,因此添加了两个参数去调节t λcoord = 5 and λnoobj = .5.
同时为了降低大bounding box 和 小bounding box 的影响,因为在重要性上:大box小偏差<小box小偏差,因此模型预测边界框的平方根
训练时,由于每个网格有多个bounding box ,选取一个代表性的box,选取方式为box与真实值之间求IOU,当IOU最大的时候,就是代表性的box。
推理时,非极大值抑制可以将多格子内的大目标进行优化
YoloV1的缺点:
(1)在小目标上检测较差
(2)模型泛化性较差
(3) 损失函数在小boundbox和大boundbox的误差相同,这种误差对于大bounding box 还好,对于小的影响很大
相较于R-CNN:yolov1将模型分成多个小格子,大大减少了重复检测框的数量,相较于rcnn每张图片2000张检测框,yolo只有98个,效率显著提高。