yolov1

yolo算法详解

1 算法
[论文]:/home/cuiyunpeng/Documents/infer/ai/papers/
作者: joseph

1. 算法概述
   yolo是一种对象检测算法, 它使用回归方法从整幅图像来预测bounding box和类别概
   率。是一种端到端的神经网络算法。

2. 算法原理
   (1) 将图像分割成$$S\times S$$的网格。如果一个对象的中心落在网格的中心，那么网
   格中心就对应一个检测的物体对象;
   (2) 每一个网络预测B个bounding box N个类别概率，每一个bounding box由x, y,
   w, h，confidence组成,其中(x,y)坐标代表bounding box 相对于网格边界的
   中心位置,w,h分别代别bounding box 相对于整张图片的宽和高，confidence为
   bouding box 和 ground truth 的iou;类别概率代表网格单元包含对象的条件概率
   (3) 整个网络的输出张量为
   $$S\times S\times (5\times B+20)$$

3. 实现步骤
   (1) 将图片缩小成448x448大小的图片;
   (2) 使用卷积神经网络训练处理图片;
   (3) 使用模型置信度来阈值化输出结果;

4. 使用方法

5. 函数原型

6. 算法优缺点

   • 优点: 速度快, 精度高;
   • 缺点: 对小物体检测效果不好;

7. 网络模型
   网络模型由24 cov和两个conn组成。 采用1x1卷积进行特征下采样,紧接着3X3卷积 交替使用.

8. 训练
   (1) 使用imgnet 预训练网络;
   (2) 最后一层的激活函数使用线性函数, 其他层使用(leaky rectify linear)函数.
   $$y=\{\begin{array}{l}x,x>0\\ 0.1x,x<0\end{array}\text{\hspace{1em}(1)}$$
   (3) 损失函数使用总方差和(SSE)

   • 公式:
     KaTeX parse error: Undefined control sequence: \lemda at position 7: cost=\̲l̲e̲m̲d̲a̲ ̲ ̲ ̲ ̲ ̲
   • 优点: 简单, 容易优化