【目标检测算法】--YOLOv1学习笔记

目标检测主要任务有 分类classification和定位 locatization

（1）经典的检测算法：比如 DPM算法 

https://blog.csdn.net/weixin_41798111/article/details/79989794

传统算法的步骤：

a.ROI区域的选择 采用滑动窗口对整副图像遍历

b.特征的提取 常用sift surf HOG等算法

c.对提取的特征分类 分类器有SVM AdaBoost

 

（2）.基于深度学习的方法

1. One-stage算法 ：YOLO SSD CornerNet 等算法。不需要候选区域（region proposal）过程，在一个stage直接产生物体的类别概率和位置坐标值。
2. Two-stage算法：

 

One-stage算法 :以YOLOv1为例：

YOLO的核心思想就是利用整张图作为网络的输入，直接在输出层回归bounding box的位置和bounding box所属的类别，省去了proposal的阶段。

2-1、原理：

目标检测问题转化为回归问题。将图片划分为7*7大小的网格grid-ceil，每个网格中生成B个bounding-box，在这些bounding-box中检测物体的4个位置、置信度和类别C，一共生成S*S*(B*5+C)个参数。

输出一个固定的维度向量。全连接层的输出编码为物体的类别和位置。

 

2-2 步骤：

• 在进行检测时，YOLO会首先将输入图片分成 S*S个小格子(grid cell)，若一个物体的中心点落到某个格子中，那么这个格子就负责检测出该物体。
• 对于每个格子，YOLO都会预测出B个bounding box(bbox)，而对于每个bbox，YOLO都会预测出5个值，其中4个代表bbox的位置，还有一个代表bbox的confidence值
•  最终输出7*7*30个feature特征向量，30其中20个描述类别信息，10个描述位置信息。
• 测试时，一张图片7*7个网格，每个网格称为ceil，一共有98个bounding-box。

 

 

 

 

2-3：YOLOv1的流程：

1. Resize image：将图片resize成同样大小的，因为Detection需要图片的一些细粒度的信息，所以本文中使用高分辨率的输入： 448*448
2. Run ConvNet：运行卷积神经网络，得到bbox的分类和回归结果。
3. NMS：用非极大值抑制来筛选出最终的框

2-4：网络设计：

整个网络包括24个卷积层和2个全连接层，其中卷积层的前20层是修改后的GooLeNet。输出7*7*30的tensor

• bbox1的回归结果，包括5维，其中前4维代表位置 ，最后一维代表置信度
• bbox2的回归结果，同样也包括5维。
• grid cell的分类结果，包括20维，分别是20类的概率。

损失：sum-squared error

• 位置误差，修改位置误差，改变检测小物体的缺点
• 置信度误差，含有object的
• 置信度误差，不含object的
• 分类误差
• 对于有object的cell，那么计算cell的分类误差，然后cell中两个bbox的置信度误差，然后cell中和ground truth box的IoU最大的bbox的位置误差。
• 对于没有object的cell，那就只计算cell中两个bbox的置信度误差。