yolo思想总结

一、总览

YOLO 把物体检测任务作为一个回归任务，一个回归任务应该有输入，输出，损失函数三要素。
1.输入：448×448的图片
2.输出：Bbox的位置坐标，confidence，以及class类别
3.损失函数：Loss（位置）+Loss（分类）+Loss（IOU）

二、细节

1.网络细节（如图）
24conv+2fcl

2.train
图片划分为S×S个grid，每个grid检测出B个Bbox，C个类别的概率。每个Bbox包含5个信息：x,y,w,h,confidence，这里有必要说一下confidence，它等于Pr(object)*IOU，Pr(object)代表着如果grid里面存在物体的时候值为1，不存在值为0,IOU表示检测物体与标注GT的重合率
损失函数（如下图）：
注：x,y,w,C,p为网络预测值，x,y,w,C,p帽 为标注值。\Pi _{i}^{obj} 表示物体落入格子i中，\Pi _{ij}^{obj} 和\Pi _{ij}^{noobj} 分别表示物体落入与未落入格子i的第j个bounding box内。
3.预测
结果为：S×S×(C+B×5)的Tensor
根据阈值和NMS筛选准确的检测结果

三、trick

1.grid里面有无物体对损失函数的影响应该是不同的，所以在计算损失函数的时候给予不同的权重，存在object的权重较高，不存在object的权重较低
2.为防止过拟合，加入dropout layer,以及相关的数据增强
3.learning rate 的调整是根据epoch的次数决定的，不同的epoch阶段，learning rate调整为不同的数值。
4.penalizes(惩罚)：loss计算的时候，只有grid里面存在object的才会对classification进行惩罚，只有gird负责检测某一物体的时候，也就是说物体的中心落入某一grid的时候才会对这个grid进行惩罚,增加grid存在物体对loss的作用。
5.预测出来w，h的平方根，而不是直接预测出结果，目的是为了解决大一点的box与小一点的box之间的误差。