【深度学习进阶】03目标检测理论：YOLO v1和YOLO v2网络

上一节总结了目标检测任务的one stage的三个代表性算法：SSD、RetinaNet以及YOLO v1（anchor free），本节将总结YOLO v2的网络亮点和设计细节。
有一个有趣的说法：YOLO将检测问题当做回归任务来解决，而不是分类任务

目录

1. YOLO v1缺陷

2. YOLO v2设计思想

3. YOLO v2的一些尝试

3.1 Batch Normalization

3.2 High Resolution Classifier

3.3 Anchor Box

3.5 Direct location prediction

3.6 Fine-Grained Features（细粒度特征）

3.7 Multi-scale Training

4. YOLO v2网络结构

4.1 Darknet-19（backbone）

4.2 实际预测网络

---

1. YOLO v1缺陷（2016，CVPR）

• 群体性小目标检测效果差【第一节有具体分析为什么】
• 当目标出现新的尺寸或配置（目标比例）时，检测效果差（v1需要固定输入尺寸）
• 定位不准确（不基于anchor，而是直接预测目标的坐标信息，有点类似演化思想）

2. YOLO v2设计思想（2017，CVPR）

• 为提高物体定位精准性和召回率，相比v1提高了训练图像的分辨率
• 引入了faster rcnn中anchor box的思想
• 对网络结构的设计进行了改进，输出层使用卷积层替代YOLO的全连接层
• 相比YOLO，YOLO9000在识别种类、精度、速度、和定位准确性等方面都有大大提升
• 可以看到v2在544*544图像上的map达到78.6，当前最高值

3. YOLO v2的一些尝试

3.1 Batch Normalization

• v1中未使用BN，这里使用了BN操作，作者也通过实验证明该操作明显加速训练
• 减少了一系列正则化处理（移除了dropout），提升将近2个点

3.2 High Resolution Classifier

• v1中采用224*224训练分类器网络
• v2采用448*448，mAP提升4个点

3.3 Anchor Box

• 尝试使用基于anchor预测，这样能够简化目标边界框预测问题
• 未使用时，69.5mAP，recall81%；使用之后，69.2mAP，recall88%
• 召回率明显增大，意味着模型拥有更多的提升空间

3.4 Dimension Clusters（anchor聚类）

• 之前的Faster R-CNN和SSD中，作者并未给出我们为什么要采用给定的哪些预设anchor
• 如果我们拿到一个新的网络该如何预设anchor呢？
  • 本文作者采用k-means法来获取anchor（也就是文中提到的prior）
  • 基于训练集中所有目标的边界框采用k-means

3.5 Direct location prediction

• 之前的边界框回归损失项中，中心坐标的更新是通过边界框宽度乘以一个缩放系数，然后加上原始坐标位置，因为没有限制缩放系数的范围，导致训练的大部分时候都是不稳定的
• v2中通过对预测中心坐标偏移量（缩放系数）进行限制，让网络训练更稳定
• 通过sigmoid函数将其映射到[0,1]范围内，这样就保证该边界框一直在该网格内

3.6 Fine-Grained Features（细粒度特征）

• 之前的Faster R-CNN（FPN）和SSD均使用了不同的feature map以适应不同尺度大小的目标
• v2通过深度拼接的方式融合高层和底层的信息（passthrough layer）
• 该操作是特征图宽和高减半，深度变为4倍

3.7 Multi-scale Training

• 训练过程替换掉固定的输入图像尺寸（可以提高网络鲁棒性）
• 具体实现：每迭代10个batches，网络随机选择一个输入图像尺寸{320，352，..，608}
  • 这里是因为图像缩放因子（下采样倍率）为32（输入尺寸416/输出尺寸13 = 32）

4. YOLO v2网络结构

4.1 Darknet-19（backbone）

• YOLOv2提出了一种新的分类模型Darknet-19，包含 19 conv + 5 maxpooling.
• 借鉴了很多其它网络的设计概念.主要使用3x3卷积并在pooling之后channel加倍(VGG)
• global average pooling替代全连接做预测分类
• 并在3x3卷积之间使用1x1卷积压缩特征表示(Network in Network)
• 使用 batch normalization 来提高稳定性,加速收敛,对模型正则化

4.2 实际预测网络

 

参考来源：

目标检测网络之 YOLOv3 - 康行天下 - 博客园 (cnblogs.com)

霹雳吧啦Wz：3.1 YOLO系列理论合集(YOLOv1~v3)