简述YOLOV1 YOLOV2 YOLOV3

1 yolov1

（1）每个grid cell 预测 2 个BBOX。

（2） 输入图片（448 X 448 X 3） ——> 7 X 7 X 30      30 = (2 X 5 + 20)       5 —> (x, y, w, h, score)

（3）不适于小目标和密集目标检测。

（4）Loss

（5） Leaky Relu

          端到端：反向传播贯穿整个网络。

 

2 yolov2 

（1） yolov2 : 每个cell有5个anchor box进行预测，13 X 13 X 5 = 845

          yolov1: 7 X 7 X 2 = 98

（2）BN成了yolo的标配

（3）pw和ph都是kmeans聚类之后的宽和高，yolo直接预测出偏移量tw和th。tx , ty, tw 和 th为每个BBOX预测的值。

 

（4）采用标准的k-means（即用欧式距离来衡量差异），在box的尺寸比较大的时候其误差也更大，要的是误差和box的尺寸没有太大关系。定义了如下距离函数，使得误差和box的大小无关：

d(box, centroid) = 1 - IOU(box, centroid) 

 

（5）YOLOv2 只有卷积和池化层，不需要固定输入图片的大小。

（6）darknet 19作为yolov2 的backbone网络 :

         19个卷积层  5个 max pooling 层

 

（7）YOLOv2 结构示意图 :

 

 

 

 

 ===============分割线2019.6.10============== 

  

YOLO算法的基本思想是：

1、通过特征提取网络对输入图像提取特征，得到一定size的feature map，比如26*26。

2、将输入图像分成26*26个grid cell。

3、若ground truth中某个object的中心坐标落在哪个grid cell中，那么就由该grid cell来预测该object。因为每个grid cell都会预测固定数量的bounding box。

YOLO v1：2个，YOLO v2：5个，YOLO v3：3个。

YOLO V3的三个scale：13 * 13；26 * 26；52 * 52，

每个尺度对应3个anchors，共9个anchors。

那么这几个bounding box中最终是由哪一个来预测该object？

答：这几个bounding box中只有和ground truth的IOU最大的bounding box才是用来预测该object的。

      anchors：

      在YOLOv2中，用最后一层feature map的相对大小来定义anchor大小。例如，最后一层feature map大小为13X13，相对的anchor大小范围就在（0x0，13x13]。

      在YOLOv3中，又改用相对于原图的大小来定义anchor，anchor的大小为（0x0，input_width x input_height]。

==================分割线2019.6.4=====================

 

Yolov1

一 概述

1. YOLOv1在最后使用全连接层进行类别输出，因此全连接层的输出维度是S×S×(B×5+C)。

A:Yolo将输入的图像分成S×S个grid

B:每个grid预测B个bounding box(4)以及置信度(1)，以及C个类别概率。其中，bounding box的信息（x, y, w, h）为object的中心位置相对格子位置的偏移和宽度及高度。

1. 缺点

A:输入图像的尺寸是固定的：因为全连接层的关系

B：每个grid最多只能预测出一个Object

二 训练

（1）预训练

训练YOLO网络的前20个卷积层+1个average池化层+1个全连接层。

数据集：ImageNet 1000 类数据

图像分辨率224 X 224

1. 训练

预训练得到的前20个卷积层网络参数来初始化YOLO模型前20个卷积层的网络参数，然后进行YOLO模型训练。

 数据集：VOC 20 类数据
图像分辨率448 X 448

 

Yolov2

     

yoloV2主要改进：提高定位能力和召回率

（1）YOLO v2用k-means在训练集bounding box上进行聚类产生合适的先验框.
（2）多尺度训练：YOLOv2的网络使用的downsamples倍率为32，因此使用32的倍数调整输入图像尺寸{320,352，…，608}。训练使用的最小的图像尺寸为320 x 320，最大的图像尺寸为608 x 608。

（3）BN：在卷积层全部使用Batch Normalization；v2中取消了dropout

1. 用于检测网络的训练：448 X448

YOLOV2提出的分类模型Darknet-19：19 conv + 5 maxpooling

 

YOLOV3

1. YOLOv3不使用Softmax对每个框进行分类
2. 多尺度预测

基础网络 Darknet-53结构如下：

参数anchors指定kmeans计算出来的anchor box的长宽的绝对值(与网络输入大小相关)。num参数为anchor box的数量。