目标检测系列1——yolo系列的基本思想

1 目标分类和目标检测

目标分类一学就会，目标检测一学就废
目标检测你感觉就是目标和预测不是对应的，实际上并不是这样的，

如果让它一、一对应了，可不可以，就像上图那样，
答案是不可以的，因为目标检测不止有一个目标，一个目标的时候可以，如果是多个目标呢？
那就有很多个(x,y,w,h,class),仅仅五个数是不够的

2 改进

如何改进呢？
直接输出多个框，直接来全卷积，比如输出20个框，如果有1个目标，那其余19个都是0就可以了

比如下面输出5个通道的2×2特征图，那比如只有一个目标，

这就是yolo系列的基本思想

最根本的就是利用全连接层把各个需要的值放到对应d 通道上，加上下面yolov1的讲解，多看几遍很好理解。
https://blog.csdn.net/xiaotiig/article/details/111772945

3输入输出理解

输入就是一张图片
输出是什么呢？一个个框，那这个框怎么用数字表示呢？这些数字就可以组成一个向量。
框的表示最少有下面4种：
（1）x,y,w,h，左上角坐标+宽+高
（2）Cx,Cy,w,h, 中心点坐标+宽+高
（3）P1（x,y），P2（x,y），P3（x,y），P4（x,y），4个角的坐标8个数
（4）Cx,Cy,d1,d2,d3,d4,中心点坐标+距4个边的距离

4 检测方法

4.1 滑动窗口的方法

使用不同大小尺寸的窗口从左到右依次截取出图片做分类：

4.2 输出x,y,w,h和c的向量

和目录1中的描述一样了，这样就解决了传统方法的问题
但是一个图片只能输出1个结果，那如果有多个目标呢？

4.3 输出多个目标

经过一系列，比如有两个目标，就输出两个向量

多输出进行空间排列，每个像素负责一个区域

4.4 如何训练呢？

损失值的第一项是置信度的损失值，范围0-1，而后面的4项范围是0-416，所以后面的值太大，就把置信度给淹没了，需要给置信度的值加个放大的权重，后面4项可以加个小的权重，抑制4项后面的值。
加根号是因为：如果不加根号，公式算出来的值主要受大目标影响，小目标的影响就很小，导致最后出来的结果主要是检测大目标，小目标的检测效果很差，用加根号的方法来稍微解决一下，还有其它方法。

4.5 NMS非极大值抑制

下面这个过程必须会，就是根据置信度去除冗余框，原理就是重合度越高的框越可能检测的是同一个目标。
使用NMS必须要用置信度，而置信度是根据IOU来得到的。

4.6 总结

分类、检测、分割的区别就是最后的输出不一样，还有训练样本不一样，前面的主干网络都一样。
分类就输出one hot 类别
检测就输出坐标值+one hot 类别
分割就输出一个通道的特征图

检测的目标想多的话，就增加输出的宽和高，增加框
检测的类别想多的话，就增加通道数

参考下面视频：
原理讲的很清楚
https://www.bilibili.com/video/BV1FK4y1v7nB?from=search&seid=2530366646981018850

https://www.bilibili.com/video/BV12y4y1v7L6