YOLOV1學(xué)習(xí)（輸入的圖像固定大小為448X448X3）
參考文獻(xiàn)

模型結(jié)構(gòu)

將輸入的圖像歸一化為大小為448x448x3的圖像，然后將經(jīng)過(guò)中間24層的卷積后得到了7x7x1024的特征圖，然后后面連接的是兩個(gè)全連接層，分別是4096和1470，最后將1470reshape成7x7x30的張量。

問(wèn)題0：①為什么是30，又為什么是7？②怎么解析？
答：①為什么是7是因?yàn)閷⑤斎雸D像劃分成了7x7的grid cell，30是因?yàn)槊總€(gè)grid cell都會(huì)生成兩個(gè)預(yù)測(cè)框，每個(gè)預(yù)測(cè)框又有5個(gè)參數(shù)（x,y,h,w,c）,又因?yàn)檫@里是針對(duì)Pascal 數(shù)據(jù)集進(jìn)行設(shè)計(jì)的，這個(gè)數(shù)據(jù)集中含有20個(gè)類，因此會(huì)有20個(gè)類別條件概率，因此對(duì)于每一個(gè)grid cell都有**（2x5+20=30）30個(gè)參數(shù)需要記錄，因此最終的矩陣為7x7x30**
②根據(jù)①知道了每一個(gè)深度方向的信息代表什么，因此我們可以根據(jù)這個(gè)進(jìn)行解析。深度方向有30維通道，1-5通道是第一個(gè)bounding box的x,y,h,w,c, 6-10是第二個(gè)bounding box的x,y,h,w,c，后面11-30則是每一類的條件概率值【p(第i類）/p(含物體）】。

注：真正的類別概率是：每一類的條件概率乘以置信度
置信度=p[object]是否包含物體的概率，條件概率=p【屬于第i類的概率】/p[object]
p【屬于第i類的概率】=置信度 * 條件概率

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-wVF2VAoW-1629564873766)(en-resource://database/533:1)]

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-ZonZ4xEu-1629564873769)(en-resource://database/527:1)]

預(yù)測(cè)階段

一、模型訓(xùn)練好的前提下目標(biāo)檢測(cè)的大體步驟

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-qT5dGEKL-1629564873772)(en-resource://database/529:1)]

步驟一：劃分網(wǎng)格

先將輸入的圖像劃分為sxs個(gè)大小相等的網(wǎng)格；（s=7），每一個(gè)網(wǎng)格稱之為grid cell
[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-2VR96r7v-1629564873775)(en-resource://database/519:1)]

問(wèn)題1：這樣劃分的目的是什么？
答：用于生成預(yù)測(cè)框，將預(yù)測(cè)框的中心限制在網(wǎng)格中

步驟二：生成預(yù)測(cè)框bounding box

每個(gè)grid cell都會(huì)生成兩個(gè)預(yù)測(cè)框，且預(yù)測(cè)框的中心在grid cell內(nèi)，預(yù)測(cè)框的參數(shù)有：中心坐標(biāo)（x,y）,框?qū)捀?#xff08;h.w）,以及是否為一個(gè)物體的置信度c（反應(yīng)在框的粗細(xì)中，粗框表示置信度高）,這里共生成7x7x2 = 98個(gè)bounding box
[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-FmjqlIXq-1629564873780)(en-resource://database/521:1)]

問(wèn)題2：每一個(gè)grid cell的2個(gè)預(yù)測(cè)框是怎么生成的？
答：根據(jù)參數(shù)x,y,h,w,c生成的
問(wèn)題3：怎么得到這幾個(gè)參數(shù)？
根據(jù)7x7x30的矩陣所得

步驟三：生成條件概率

每一個(gè)grid cell還會(huì)預(yù)測(cè)一組條件類別概率，即在包含物體的前提下，是某一類物體的概率，稱之為條件概率。根據(jù)條件概率可以繪制下圖的class probability map圖，每一個(gè)顏色表示不同的類別，這里是將20個(gè)概率中取最大的概率作為最終的概率繪制出來(lái)的
[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-wWlVAkbE-1629564873783)(en-resource://database/523:1)][外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-A9rAIVBZ-1629564873785)(en-resource://database/535:1)]

問(wèn)題4：條件概率有什么作用？
答：將每一個(gè)bounding box的置信度乘以條件概率，就可以得到bounding box的各類別的概率。
問(wèn)題5：條件概率是怎么計(jì)算得到的？
根據(jù)7x7x30的矩陣所得

步驟四：根據(jù)步驟二和步驟三生成預(yù)測(cè)結(jié)果

根據(jù)bounding box和類別概率就可以得到預(yù)測(cè)結(jié)果。即根據(jù)問(wèn)題4中得到的概率，就可以判別出每一個(gè)bounding box最終的預(yù)測(cè)結(jié)果，將屬于背景的box剔除，然后利用NMS進(jìn)行非極大值抑制，就得到了目標(biāo)檢測(cè)的結(jié)果
[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-gnMCt2zA-1629564873787)(en-resource://database/537:1)]

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-F8NY3Ge5-1629564873790)(en-resource://database/531:1)]

問(wèn)題6：
①怎么訓(xùn)練網(wǎng)絡(luò)，得到網(wǎng)絡(luò)的參數(shù)，進(jìn)而能夠進(jìn)行目標(biāo)檢測(cè)？
②怎么判斷grid cell是否含有物體

二、預(yù)測(cè)階段，后處理

1、預(yù)測(cè)階段

對(duì)于一個(gè)grid cell來(lái)說(shuō)，有兩個(gè)預(yù)測(cè)框，每個(gè)預(yù)測(cè)框都有一個(gè)20維的類別概率，因此有每一個(gè)grid cell都會(huì)得到兩個(gè)全概率即2x20,對(duì)于7x7的grid cell來(lái)說(shuō)，就會(huì)得到7x7x2=98個(gè)20維的全概率向量
[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-NBcALAj8-1629564873794)(en-resource://database/539:1)]

2、后處理

后處理其實(shí)就是將98個(gè)預(yù)測(cè)框中低置信度的框和重復(fù)的框剔除，這個(gè)過(guò)程稱之為NMS
① 先設(shè)置一個(gè)閾值，對(duì)于同一個(gè)類別概率小于p_thre的grid cell全部設(shè)置為0
②將不為0的grid cell按照高低順序進(jìn)行排列，取出概率最大的預(yù)測(cè)框；
③將所有的框跟概率大的框計(jì)算交并比,IOU,若交并比大于某一個(gè)閾值，則表明預(yù)測(cè)了同一個(gè)物體，將低概率的概率設(shè)置為0,；若交并比小于某一個(gè)閾值，則說(shuō)明不是預(yù)測(cè)的同一個(gè)物體，保留這個(gè)預(yù)測(cè)框；
④對(duì)于每一個(gè)類別都是重復(fù)①-③步驟（即NMS），進(jìn)行20次NMS后就會(huì)得到最終的結(jié)果。
[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-Z2Nyaww8-1629564873797)(en-resource://database/541:1)]

訓(xùn)練階段

總結(jié)

以上是生活随笔為你收集整理的YOLOV1学习的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。