2021SC@SDUSC山东大学软件学院软件工程应用与实践--YOLOV5代码分析（六）yolov1

2021SC@SDUSC

前言

为了更好地理解yolov5的算法，我会在对代码分析的中间穿插yolo其它系列的算法分析，这篇是对yolov1的介绍。之前的文章提到了滑动窗口来进行目标检测，然而存在着一定的问题：检测效果与时间耗费上的tradeoff。yolo算法，即you only look once，解决了这个问题。yolo算法是一种实时的目标检测算法，一个特点就是实现端到端的检测。相对于其它目标检测与识别方法，yolo将目标区域预测和目标类别预测整合于单个神经网络模型中，更适合应用环境。

实现方法

论文地址：https://arxiv.org/abs/1506.02640https://arxiv.org/abs/1506.02640

yolo首先将一张图片划分成s*s的网格，

 

每个网格都要预测b个bounding box，当一个目标落在多个网格上时，该目标的中心在哪个网格上哪个网格就负责这个目标的检测。

除了需要预测出b个bounding box的位置，还需要有每个bounding box的置信度p，这个置信度代表了预测出来的bounding box的概率。

还需要有一个类别信息，记为c，这样每一个网格需要输出的就是(5*b+c)，5是(p,x,y,w,h)，总共的输出就是s*s*(5*b+c)，一个bounding box对应了一个置信度，而一个网格对应了一个类别c，这样一个网格就只能预测一个类别，当一个网格内有多个类别时就无法预测了。一个网格需要预测多个类别时可以让一个bounding box预测一个类别的目标，假设现在需要预测5个类别的目标，可以是重复的，那么输出就变成了s*s*5*(5+c)。

如上图所示，这样做会导致一个问题，那就是可能会有多个网格认为目标是自己负责的，于是一个目标可能会有多个预测bounding box，解决方法是非极大值抑制NMS。

NMS

首先需要知道一个概念，IOU，也就是交并比，指的是交集与并集的比值。

设图中1、2、3区域的面积分别为s1,s2,s3，lou=s1/(s1+s2+s3)

lou值越大，说明两个bounding box的重合部分越多，两个bounding box就越接近

NMS算法就是依据IOU的值来执行的。

1.对所有bounding box进行排序，依据与Ground Truth的IOU比进行打分，分数越高的排名越靠前

2.选取分数最高的bounding box，计算剩下元素与该bounding box的IOU，若IOU大于一个阈值t，就说明这两个bounding box足够靠近，很有可能是在预测同一个目标，那我们只需要保留更好的那一个，也就是将剩下的bounding box去除

3.重复步骤2，直至列表为空

对每一个类别重复以上操作就可以将同一目标的多个bounding box去除掉。

一些细节

输入的是448*448大小的图像，取s为7，也就是将图像划分成了64*64个网格，b为2，一共有20个类别，即c=20 ，这样最终的输出就是7*7*(2*5+20)=7*7*30。

在测试的时候，每个网格预测的class信息和bounding box预测的confidence信息相乘，就得到每个bounding box的class-specific confidence score，得到每个box的class-specific confidence score以后，设置阈值，滤掉得分低的boxes，对保留的boxes进行NMS处理，就得到最终的检测结果。

左边等式的每一项分别是每个网格预测的类别信息、每个boundingbox预测的置信度 、与目标框的IOU。

参考：

YOLO系列详解：YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5_AI小白一枚的博客-CSDN博客_yolo

 你一定从未看过如此通俗易懂的YOLO系列(从v1到v5)模型解读 (上) - 知乎

非极大值抑制(NMS)算法讲解|理论+代码 - 知乎