YoloV1———— 简单理解+回顾

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。