YOLO系列总结

之前一直做稀疏表示，最近在学深度学习有关的有关方向，先从YOLO入手。

YOLO(You Only Look Once)从2016年开始到现在已经有众多博客、公众号、知乎文章等进行讲解。

主要参考：

深入浅出Yolo系列之Yolov3&Yolov4&Yolov5&Yolox核心基础知识完整讲解

https://zhuanlan.zhihu.com/p/143747206     作者江大白

该文讲了一些基础知识，相当于论文翻译，可以适当看看，不理解的就看论文原文。

yolo系列之yolo v3【深度解析】

https://blog.csdn.net/leviopku/article/details/82660381    作者木盏

用了一个网络可视化工具Netron来直观展示网络结构，同时也采用keras框架实现了代码，讲解较为清晰。

总结下来：

V1采用图像分块形式，预测框中心在哪一个图像块，该图像块就负责预测；

V2采用anchor box机制，采用不同尺度的box对目标框进行直接预测，可连同Fast-RCNN的RPN机制统一理解该思想。

V3沿用了anchor box的机制，但是将大尺度小通道的图像转换成小尺度大通道的图像，取消了中间层中的尺化层和全连接层，并且引入了Batch Normalization。所以针对与权值训练更方便。稀疏学习中也用到了BN。

到这里有了新的想法，众多博客都提到了何凯明（http://kaiminghe.com/）的ResNet（https://github.com/KaimingHe/deep-residual-networks#models）。这个思想可以说很简单但是很巧妙，如果说深度学习网络越深越好的话，那300层的网络训练结果好还是先用200层网络训练一个结果再用100层的网络继续训练所得的结果好呢？

如果200层的网络已经能得出较好的结果，那附加的100层就算没有进步，效果应该也不会变差。但是实验结果显示按传统卷积、池化、全连接层堆积起来，层数300以上结果反而会变差，回想神经网络训练过程，采用梯度下降法更新权值，其计算的前后两次的数值之间的导数，所以但凡数值有变化其最终结果就会受到影响，但是ResNet采用对残余值进行差值计算，这样即使网络层较深，后面的网络也就相当于一个直连层，不会对前面的结果有什么影响，这个巧妙的设计可以将网络设计的更深。

V4（https://github.com/pjreddie/darknet）

V5（https://github.com/ultralytics/yolov5）

YOLOv5学习总结（持续更新）_dididi的博客-CSDN博客_yolov5

深度残差网络的思想可以借鉴一下

迭代重加权