深度学习算法-YOLO

转载：https://blog.csdn.net/zfq740695564/article/details/79754578
yolo系列整理

版本	作者主页	程序	论文
yoloV1	点击打开	点击打开	点击打开
yoloV2	点击打开	点击打开	点击打开
yoloV3	点击打开	点击打开	点击打开

改进

V2 VS V1:

增加BN层：

• 解决问题：每层的输入分布一直在改变，训练难度增加；
• 采取措施：在每层卷积层后，添加batch normalization；
• 改进效果：
  1.mAP获得了2%的提升；
  2.规范化模型，可以在舍弃dropout优化后依然不会过拟合；
  ##High Resolution Classifier
• 解决问题：由于现有的特征提取网络局限，导致图片被resize到不足256 * 256，导致分辨率不够高，给检测带来困难；
• 采取措施：
  1.提高分辨力到448 * 448；
  2.改变原来特征网络的输入分辨率，在ImageNet数据集上对分类网络进行fine tune训练10轮（10 epochs），使得网络适应高分辨率的输入；然后，对检测网络进行fine tune。
• 改进效果：mAP获得了4%的提升；
  ##Convolutional With Anchor Boxes
• 解决问题：全连接层的数据完成边框的预测，导致丢失较多的空间信息，定位不准；
• 采取措施：
  1.借鉴了Faster R-CNN中的anchor思想
  2.在卷积特征图上进行滑窗操作，每一个中心可以预测9种不同大小的建议框。
  3.去掉了后面的一个池化层以确保输出的卷积特征图有更高的分辨率；
  4.缩减网络，输入分辨力为416416，使得输出的feature map宽高为基数，产生一个center cell（大物体通常占据了图像的中间位置），用一个中心cell预测大物体，否则就要用中间的4个cell来进行预测，有利于提高效率。
  5.卷积层降采样（factor为32），输入大小：416416；输出大小：13*13
• 改进效果：召回率上升，准确率下降。
  1.改进后：预测13 * 13 * 9 = 1521个boxes，recall为88%，mAP为69.2%
  2.改进前：预测7 * 7 * 2 = 98个boxes，recall为81%，mAP为69.5%
  3.准确率只有小幅度的下降，而召回率则提升了7%。
  ##Dimension Clusters
• 解决问题：
  1.anchor boxes的宽高维度往往是精选的先验框，如果一开始就选择了更好的、更有代表性的先验boxes维度，那么网络就更容易学到准确的预测位置；
  2.传统的K-means聚类方法使用的是欧氏距离函数，也就意味着较大的boxes会比较小的boxes产生更多的error，聚类结果可能会偏离；
• 采取措施：
  1.距离函数：error就和box的尺度无关
  
  聚类结果：扁长的框较少，而瘦高的框更多
  
• 改进效果：使用聚类方法，仅仅5种boxes的召回率就和Faster R-CNN的9种相当
  
  ##Direct location prediction
• 模型不稳定，尤其是在早期迭代的时候，大部分的不稳定现象出现在预测box的 (x,y)(x,y) 坐标上；
• 
• 
  这个公式的理解为：当预测 tx=1tx=1，就会把box向右边移动一定距离（具体为anchor box的宽度），预测 tx=−1tx=−1，就会把box向左边移动相同的距离。
  符号含义：
  1.x是坐标预测值
  2.xa 是anchor坐标（预设固定值）
  3.x∗是坐标真实值（标注信息）
  4.其他变量 y，w，h 以此类推，t 变量是偏移量；
  这个公式没有任何限制，使得无论在什么位置进行预测，任何anchor boxes可以在图像中任意一点结束。模型随机初始化后，需要花很长一段时间才能稳定预测敏感的物体位置。
• 采取措施：
  1.采用预测相对于grid cell坐标位置的方法。
  2.13*13的grid，每个cell对应5个anchors box，每个anchors box对应5个值（分别是坐标和置信度），如下所示：
  
  (cx,cy)：这个cell距离图像左上角的cell数；
  (pw,ph)：cell对应的anchors box的宽高；
  tx,ty 经sigmod函数处理过，取值限定在了0~1，实际意义就是使anchor只负责周围的box，有利于提升效率和网络收敛。
  e的幂函数是因为前面做了 lnln 计算；
  σ(tx)：bounding box的中心相对栅格左上角的横坐标；
  σ(ty)：bounding box的中心相对栅格左上角的纵坐标；
  σ(to)是bounding box的confidence score。
• 改进效果：定位预测值被归一化后，参数就更容易得到学习，模型就更稳定。使用Dimension Clusters和Direct location prediction这两项anchor boxes改进方法，mAP获得了5%的提升。

创新

将目标检测作为回归问题，实现end-to-end训练和检测。
#V3
##改进
多尺度检测 改动基础分类网络和分类器

1. 添加多尺度预测：将深层特征上采样后，与浅层特征融合，分别形成多个尺度，输出featuremap进行检测，每个尺度对应3中不同大小的anchor，负责预测不同大小的目标。
   尺度1：在基础特征网络后添加几层卷积层后，再输出box信息，负责预测较大目标
   尺度2：从尺度1网络的倒数第二层2倍上采样后与最后一个1616大小的featuremap相加，再通过几层卷积层后，输出box，相比尺度1变大size变大两倍，负责预测中等大小的目标。
   尺度3：与尺度2类似，使用3232大小的featuremap作为输出，负责预测较小目标。

对比

1.与RCNN和Fast RCNN对比：yolo没有求取proposal region，而RCNN系列需要通过selective research提取候选框，导致训练过程分为多个阶段完成。
与Faster RCNN对比：尽管用RPN 网络代替selective research，将RPN集成到Fast RCNN中，形成了一个统一的网络，实现卷积层参数的共享。但是在训练过程中还是需要反复训练RPN和Fast RCNN网络。
因此RCNN系列的检测，都属于two-stage策略。
2.YOLO通过一次inference，同时得出目标位置和分类scores，而RCNN系列将目标检测任务分成：检测和回归。
#基础网络
仿ResNet, 与ResNet-101或ResNet-152准确率接近,但速度更快.


##边框预测
仍采用之前的logistic方式:
KaTeX parse error: Expected group after '\begin' at position 68: …ition 7: \begin{̲̲̲a̲l̲i̲g̲n̲}̲ b_…
其中：
$cx,cycx,cy{c}_x,c_y$λnoobj实现两者之间对梯度平衡作用。
3.含有object的bbox的confidence loss (上图红色框) 和类别的loss （上图紫色框）的loss weight正常取1。
4.**不同大小box对IoU影响：**对不同大小的bbox，相同的偏离，大bbox对IOU的影响若于小box。通过sum-square error loss对该问题进行缓和。
调整的目标：相同的偏离，增强对小bbox的IOU的影响，减弱打的bbox的IOU的影响。为了缓和这个问题，作者用了一个巧妙的办法，就是将box的width和height取平方根代替原本的height和width。 如下图：small bbox的横轴值较小，发生偏移时，反应到y轴上的loss（下图绿色）比big box(下图红色)要大。
如下图所示：

每个grid有多个boxes，最终的结果，采用IoU最大的box predictor预测，因此，不同box之间存在竞争，因此，随着训练轮数的增加，特定box predictor越来越好的，负责预测不同尺寸的物体。

#参考网址
YOLO详解
图解YOLO
YOLOv1论文理解
目标检测网络之 YOLOv3
darknet+win+linux接口
yolov3论文解析

      </div>
      <link href="https://csdnimg.cn/release/phoenix/mdeditor/markdown_views-258a4616f7.css" rel="stylesheet">
              </div>