YOLO目标检测算法

实时的不能用Mask-Rcnn来做，速度为5FPS，达不到实时的要求。速度越快，效果越差。

mPA值 ：效果是好还是差 

FPS值：速度是快还是慢

单看精度和recall不太行，可能在一次检测中，精度高，recall就低了，这两个指标矛盾。

Ground truth：真实值

Prediction：预测值

Area of Overlap:Ground truth 与 Prediction的交集

Area of Union：Ground truth 与 Prediction的并集

IoU：交集与并集的比例，越高越好

Precision：精确率（查准率）

Recall：召回率（查全率），让模型预测到所有想要被预测到的样本

TP -->  True positive 正确的你把它判断正例了 即把女生当成女生拿出来了

FP--> False positive 错误的你把它判断正例了 说明本身是负例 即把男生当成女生拿出来了

FN--> False negatives 错误的把它判断成负例了 说明本身是正例 即把女生当做男生拿出来了 

TN--> True negatives 正确的把它判断成负例了 说明本身就是负例 即把男生判断成男生

T是做对了，F是做错了

P是正例，N是负例

补充资料：

MAP值是在设定不同阈值之中综合考虑所有的P和R的情况，综合得到的一个指标值。

每个格子要预测置信度，置信度高的（大于阈值的）可能是物体，才对物体中的候选框进行筛选

每个格子产生两种候选框，候选框和真实值的IoU，谁的IoU大来微调谁

回归，什么时候h和w最合适

输入输出大小不能变了，必须是448×448×3，对输入数据进行多次卷积，得到一个7×7×1024的特征图，特征图通过几次全连接层，得到一个7×7×30的特征，表示7×7的格子，每个格子具有30个值。

最终预测结果：(S*S)*(B*5+C)  -->（7*7）*（2*5+20）

损失函数该如何定义

（x,y,w,h）是预测值，制定个损失函数，使预测值跟真实值误差最小

根号解决小物体偏移量不敏感的问题，前面加上权重项

除了位置之外，还有置信度

希望前景的置信度为1，背景的置信度为0

问题：1.重合在一起的东西很难检测；2.小物体检测不到；3.多标签的物体不能检测

但凡有卷积网络，都要加上BN，即归一化处理

最终目的就是提取特征。

所有的层都是卷积来做的，没有全连接层，因为全连接层容易过拟合，且全连接层由于参数过多，训练慢。所以在YOLO-V2中进行了改进，不要全连接层，都用卷积来实现。

Maxpool表示降采样，一共进行了五次，进行一次降采样，变成原来的1/2，5次，则h,w变为h/32和w/32。

问：为什么不是448*448？

因为要进行五次降采样，一定要能被32整除才好算。

卷积大小只有两种，一种是3×3，一种是1×1，3×3借鉴了VGG的思想，比较小的卷积核做卷积，会使得参数小；小卷积堆叠使用，模型的非线性表达能力更好；小卷积核堆叠使用，还能使模型的计算量减少；小卷积核堆叠使用可以达到和大卷积核一样的探测面积，还更能提取到有用特征，不会丢失重要特征。

DarkNet有更专业的名字，为DarkNet19，表示有19个卷积层

K=5，用K-Means聚类分析将候选框分为5类，候选框长宽就是聚类中心点的h和w

提到了一种新的距离定义，不是直接拿欧式距离来做的，利用1-IoU来表明两者之间距离。

虽然当前候选框变多了，但不能保证每个候选框都能做好，所以mPA值没有太大变化

召回率recall变高了

越大的感受野，能关注原始图像的信息就越多，就能识别越大的物体；越大的感受野，越能考虑一个整体、一个图形。

越大的感受野，适合捕捉大目标、当感受野太大时，小目标可能丢失

将前一层的特征图拆分，再进行拼接，拼接完之后再叠加上1024的特征图，3072=1024+512*4

感受野我们既要大的也要小的

 

13×13感受野大，专门预测大目标的，26×26感受野中等，专门预测中等目标的，52×52预测小目标，设置了三种不同大小的特征图，每种特征图检测不同大小的目标，每一个特征图产生三种候选框，一共9种候选框。

不选择图像金字塔，因为速度慢

当预测大目标时，13×13单独进行处理，当预测中目标时，将13×13进行上采样（上采样(UnSampling) 和 下采样(DownSampling)是啥？ - 知乎 (zhihu.com)），得到26×26的，再跟中间26×26的进行融合，拼接在一起；预测小目标时，将26×26进行上采样，得到52×52的，再跟原来52×52的进行融合，拼接在一起，一起处理小目标。

有两条路进行选择，一个是在原有基础上再进行两次卷积，另一条路是原封不动的保留开始的结果，将两条路的结果进行加法操作，让网络自己选择哪个路更好，达到的效果是不会比原来差。

池化最直观的作用就是降维