1、数据集与评价指标
1.1 四个评价值
TP: 被正确地划分为正例的个数,即实际为正例且被分类器划分为正例的实例数
FP: 被错误地划分为正例的个数,即实际为负例但被分类器划分为正例的实例数
FN:被错误地划分为负例的个数,即实际为正例但被分类器划分为负例的实例数
TN: 被正确地划分为负例的个数,即实际为负例且被分类器划分为负例的实例数
1.2 三个评价指标
P(精确率): 𝑇𝑃/(𝑇𝑃 + 𝐹𝑃), 标识“挑剔”的程度
R(召回率): 𝑇𝑃/(𝑇𝑃 + 𝐹𝑁)。召回率越高,准确度越低
精度(Accuracy): (𝑇𝑃 + 𝑇𝑁)/(𝑇𝑃 + 𝐹𝑃 + 𝑇𝑁 + 𝐹𝑁)
1.3 AP计算
mAP:均值平均准确率
其中𝑁代表测试集中所有图片的个数, 𝑃(𝑘)表示在能识别出𝑘个图片的时候Precision的值, 而 Δ𝑟(𝑘)则表示识别图片个数从𝑘 - 1变化到𝑘时(通过调整阈值) Recall值的变化情况。
2、目标检测
目标检测是在给定的图片中精确找到物体所在位置,并标注出物体的类别。物体的尺寸变化范围很大,摆放物体的角度,姿态不定,而且可以出现在图片的任何地方,并且物体还可以是多个类别。
2.1 问题发展
R-CNN、SPP NET、Fast R-CNN、Faster R-CNN
最终实现YOLO
2.2 YOLO的基本思想
分类问题扩展为回归+分类问题
分类:对每个框的目标检测问题
回归:对最小矩形坐标的回归问题
问题1:有一个框里有多个,有个多个框里有一个,怎么办?
多个框里有一个目标,取目标中心点所在框
问题2:多类目标怎么办?
使用独热编码扩展类别数
3、YOLO网络结构
3.1 结构概略图
3.2 官方模型结构图
网络结构包含24个卷积层和2个全连接层;其中前20个卷积层用来做预训练,后面4个是随机初始化的卷积层,和2个全连接层。
3.3 YOLO模型处理
将图片分割为 𝑆^2个 grid( 𝑆=7)),每个 grid cell 的大小都是相等的;每个格子都可以检测是否包含目标 .
3.4 YOLO网络输出
输出是一个 7×7×30的张量。对应7×7个cell;
每个 cell 对应 2 个包围框 (bounding box, bb) bb),预测不同大小和宽高比对应检测不同目标。每个 bb 有 5 个分量,分别是物体的中心位置 (𝑥,𝑦)和它的高(ℎ)和宽 (𝑤),以及这次预测的置信度。