開頭語：RCNN系列，需要區域候選框，即便最后是多任務損失函數，但回歸和分類各是一塊是很明顯的，而yolo要把分類問題轉換成回歸，這樣的話就全是回歸。

一.yolo v1

1,介紹，此時輸入size要一致448*448

2,框架，googlenet作為主干網絡，但注意經過了一些改進，并沒有用到多通路做法

3,紅色箭頭是經改進的googlenet出來的，改進地方在于沒有用googlenet多通路做法，而是1x1降維，3x3卷積提取，1x1升維

其中7x7是網格的劃分，通道數30=（B*5+C）,B是每個網格負責預測的目標個數，5是坐標+置信度，C是類別，每個bound box對應5個參數，B是用來確認是目標還是背景，與C的 每一類概率相乘來確認是哪一類,這里要注意的就是每個box共享一個分類的score.候選框篩選到7*7*B,大大減少了候選框,同時也減少與gt試錯的機會.

4,一個格子只預測兩個bounding box

5,x,y,w,h要歸一化到1

這里的回歸四個值主要是中心點x,y(注意相對于格點)和 長寬

圖片寬為wi,高為hi,box中心點(相對于格點)為(x,y),寬高比例為(wb,hb),col,row代表格點的列數和行數,S代表劃分的行列數,預測的box中心點(相對于大圖)為(xc,yc)

先看預測階段,在逆推回訓練階段就好理解了:

預測階段：

box相對于格點的中心點為：(wi/S)*x，(hi/S)*y

格點相對于大圖的坐標為col*(wi/S),row*(hi/S)

故box相對于大圖的中心點為：xc= (wi/S)*x+col*(wi/S), yc =?(hi/S)*y+row*(hi/S)

訓練階段，也就是要回歸box相對于格點的偏移量也就是求x,y

故x =xc*(S/wi) - col,y?=yc*(S/hi) - row,

回歸寬高就好理解了，回歸w= wb/wi,h = hb/hi．

6.目標×屬于每一類的概率得到最大可能性是哪一類

7.loss函數

此時還是比較粗暴，全部采用l2 loss.

上面做法存在的問題是:

1.8維的定位Ｌｏｓｓ和20維的分類Ｌｏｓｓ同等重要是不合理的；

2.如果一個網絡沒有物體，那么loss就由沒有物體占主導，會將網絡的box置信度push到0，導致網絡不穩定。

解決辦法:

1.對8維的定位Ｌｏｓｓ給予更大的權重;

2.對沒有物體的box的置信度loss給更小的權重;

為了解決不同大小box造成的偏移loss是一樣的，將box的width和height取平方根代替原本的height和width。小box的橫軸值較小，發生偏移時，反應到y軸上相比大box要大。

8,NMS踢掉剩余的框

9,yolo策略

10,yolo v1效果,因為用到全連接，丟失空間信息故容易產生定位錯誤

二.yolo v2

其也稱為yolo9000.

1,加入bn。

2,取5個anchor boxes

3.每個ｂｏｘ都有預測的坐標和類別

4.多尺度訓練

每10個Batch，網絡會隨機地選擇一個新的圖片尺寸，由于使用了下采樣參數是32，所以不同的尺寸大小也選擇為32的倍數{320，352…..608}，最小320*320，最大608*608，網絡會自動改變尺寸，并繼續訓練的過程。

三.yolo v3

backbone采用去除全連接的darknet53,經過5次Res模塊后，得到的特征圖是608->304->152->76->38->19大小。

每個ResX包含1+2*x個卷積層，故包含1+（1+2*1）+（1+2*2）+（1+2*8）+（1+2*8）+（1+2*4）=52，

1.anchor由yolov2的5個變為9個;

2.不再使用Softmax進行分類，對每一類使用二分類，分類損失也使用二值交叉熵;

3.采用FPN, 其中包含三個特征圖尺度，分別下采樣32x，16x，8x，每個特征圖上設置三種大小的anchors，對應大、中、小，每一個尺度的特征圖上可以得到 N × N × [3 ? (4 + 1 + 80)] 的結果，分別是N x N個 gird cell ，3種尺度的anchors，x、y、w、h、confidence、80類;

4.由yolov2的darknet-19升級為darknet-53.

四.yolov4

這篇文章寫的很詳細很全。

• Backbone：CSPDarknet53
• Neck：SPP，PAN
• Head：YOLOv3

與yolov3差異:

1.CBM:采用的而是Mish激活函數，可看出分類上還是會漲點;

f(x) = x?tanh(?(x))，?(x) = ln(1+e^x)

? ? ? ? ? ? ? ??

?　　　　　? ? ? ? ? ? ? ? ? ? ? ? ? ? ? mish? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ???(x)與relu

2.CSPX:由卷積和X個Res unit模塊concate組成,其借鑒的是CSPNet的思想,主要是從網絡結構設計的角度解決推理中計算量大的問題，采用CSP模塊先將基礎層的特征映射劃分為兩部分，然后通過跨階段層次結構將它們合并，在減少了計算量的同時可以保證準確率,每個CSPX包括5+2*x個卷積層;
3.SPP:多尺度最大池化;
4.卷積層采用dropblock，類似cutout,只不過cutout作用于輸入層數據，而dropblock作用于網絡的每一個特征圖，將某個局部區域刪除丟棄，比dropout力度大；

5.采用PAN結構

其實就是在FPN輸出在增加下采樣。融合FPN的語義特征和特征金字塔的位置特征。

6.ciou loss

參考我之前寫的這篇文章

參考:

https://zhuanlan.zhihu.com/p/136382095

https://zhuanlan.zhihu.com/p/143747206

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的检测系列--YOLO系列的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。