内涵：YOLO系列解读（上）-----YOLOv1到YOLOv3梳理

1. 背景介绍

  写这篇文章的契机是6月底和7月初，Yolo v6和Yolo v7版本相继发布。其中Yolo v7还得到了darknet官方的背书。
  Yolo系列从2015年提出的Yolo(You Only Look Once),到如今已经经历了7年。它的历程可以用下图进行展示。本篇博客仅仅是对Yolo犀利中，Yolov1, Yolov2和Yolov3的梳理。

2. 正文：Yolov1~Yolov3

2.1 Yolov1

2.1.1 Yolov1介绍

  Yolo提出于2015年6月，在此之前的RCNN系列还是借用分类器来解决目标检测任务。而Yolo则通过一个网络直接以回归的方式来建模。具体的过程可以参看下图。这样做的好处在于训练简单并且推理迅速。

  Yolo采用了如下图所示的方法

2.1.2 Yolov1 小结

1. Yolo并不是让已有的检测pipeline（rnn系列）更快，而是提出了一个全新的pipeline。
2. Yolo在实时检测算法中，性能最高，可以达到double mAp的水平。一般来讲，每秒30帧以上的算法称之为实时检测算法。
3. Yolo虽然很快，但性能并非sota。以vgg16作为backbone，距离faster rcnn的mAp还差6.8个点。主要体现在yolo的定位准确度不高。

2.2 Yolov2

2.2.1 Yolov2介绍

  在介绍一下这里面的Dimension Clusters和Location prediction方法。

  最终Yolov2的性能在VOC数据集上达到了sota。（注意这里强调的是VOC数据集这个条件）。

2.2.2 Yolov2小结

1. 在voc数据集上达到了sota。
2. multi-scale train至今仍旧是一个比较有效的trick。
3. 但大部分改进drawn from prior work。
4. 论文题目为YOLO9000，想体现的分类、检测联合训练（似乎）影响力有限。
5. 在新的benchmark（coco@0.5:0.95）上竞争力有限。
   

2.3 Yolov3

2.3.1 Yolov3介绍

  yolov3所使用的方法也都是基本来自于prior work。具体可以总结为如下3条：

1. 使用Multilabel classification代替Multiclass classification。
2. FPN（feature pyramid networks）。
3. 新的backbone:darknet53(借鉴resnet网络的shortcut)。
   

2.3.1 Yolov3小结

  Yolov3适用于对速度要求快，但对IOU阈值要求相对不高的场景。这可能也是Yolo系列论文在工业界流行的原因所在。作者对新的IOU@0.5:0.95的评判标准也提出了自己的一定质疑，并引用了”Best of both worlds: human-machine collaboration for object annotation.“中的一段话：”Training humans to visually inspect a bounding box with IOU of 0.3 and distinguish it from one with IOU 0.5 is surprisingly difficult”。0.3和0.5可能有点夸张了，但0.5和0.7的区分性确实不大。

3. 总结