yolo理论合集

https://github.com/WZMIAOMIAO/deep-learning-for-image-processing

yolo1

xy是小网格中的，(0,1)
w,h是整个图像中的 ，(0,1)
confidence=bounding box是否含有object×预测的与gt之间的iou。

为每个目标的概率+预测的目标边界框和真实的目标边界框的重合程度。



为什么w和h要根号？
假设蓝色为预测的边界框，绿色为真实边界框。
假设目标越小 ，预测的边界框与真实边界框偏移相同的情况下 ，IOU就越大，检测效果越差。
所以应该要让小目标的偏差设的更大一些。


confidence损失的前一项是正样本（C=1）的损失计算，后者是负样本的（ C=0）。

YOLOv1存在的问题：
1.因为每个cell只预测一组类别 ，所以对群体聚集的小目标检测结果较差。
2.输入尺寸变化时，检测效果较差；
3.定位不准确。（因为直接预测坐标信息）

yolo2

class大于9000





采用anchor偏移的方式，recall提升较高，map略微上升

t_0是confidence，也受到sigmoid限制。

高层和底层信息融合，为了更好提取细节信息。

每10个batch，就随机输入网络的图片尺寸（32的倍数）。

用224是为了方便对比。

yolov3

用了新的backbone，效果持平同时fps也比较高。和resnet相比，没有最大池化层，而是用了卷积。

http://blog.csdn.net/qq_37541097/article/details/81214953

yolov3 spp （包括CIoU 和Focal Loss）

A^c是蓝色框，u是并集。GIoU在两者不相交时也可提供损失。

CIoU(D)是将C计算IoU时把其换成DIoU

负样本挖掘没focal loss好。

正负样本。

难易样本。
右边曲线表示:
p_t越大，就表示越容易分类。这部分就降低其权重。
越小，表示越难分类，这部分就提高其权重。

这里的α是用来平衡γ的（平衡套娃）。

前两者都是易分样本，所以权重降低比较好。

前提：数据标注要正确。