YOLO 算法(Putting it together: YOLO algorithm)

你們已經(jīng)學(xué)到對(duì)象檢測(cè)算法的大部分組件了，在這個(gè)筆記里，我們會(huì)把所有組件組裝在一起構(gòu)成YOLO對(duì)象檢測(cè)算法。

我們先看看如何構(gòu)造你的訓(xùn)練集，假設(shè)你要訓(xùn)練一個(gè)算法去檢測(cè)三種對(duì)象，行人、汽車和摩托車，你還需要顯式指定完整的背景類別。

這里有3個(gè)類別標(biāo)簽，如果你要用兩個(gè)anchor box，那么輸出 y 就是3×3×2×8，其中3×3表示3×3個(gè)網(wǎng)格，2是anchor box的數(shù)量，8是向量維度，8實(shí)際上先是5(p_c,b_x,b_y,b_h,b_w)再加上類別的數(shù)量(c_1,c_2,c_3)。你可以將它看成是3×3×2×8，或者3×3×16。要構(gòu)造訓(xùn)練集，你需要遍歷9個(gè)格子，然后構(gòu)成對(duì)應(yīng)的目標(biāo)向量y。

所以先看看第一個(gè)格子(編號(hào)1)，里面沒什么有價(jià)值的東西，行人、車子和摩托車，三個(gè)類別都沒有出現(xiàn)在左上格子中，所以對(duì)應(yīng)那個(gè)格子目標(biāo)y就是這樣的，

第一個(gè)anchor box的 p_c 是0，因?yàn)闆]什么和第一個(gè)anchor box有關(guān)的，第二個(gè)anchor box的 p_c 也是0，剩下這些值是don’t care-s。

現(xiàn)在網(wǎng)格中大多數(shù)格子都是空的，但那里的格子(編號(hào)2)會(huì)有這個(gè)目標(biāo)向量y，

所以假設(shè)你的訓(xùn)練集中，對(duì)于車子有這樣一個(gè)邊界框(編號(hào)3)，水平方向更長(zhǎng)一點(diǎn)。所以如果這是你的anchor box，這是anchor box 1(編號(hào)4)，這是anchor box 2(編號(hào)5)，然后紅框和anchor box 2的交并比更高，那么車子就和向量的下半部分相關(guān)。要注意，這里和anchor box 1有關(guān)的 p_c 是0，剩下這些分量都是don’t care-s，然后你的第二個(gè) p_c=1，然后你要用這些(b_x,b_y,b_h,b_w)來指定紅邊界框的位置，然后指定它的正確類別是2(c_1=0,c_2=1,c_3=0)，對(duì)吧，這是一輛汽車。

所以你這樣遍歷9個(gè)格子，遍歷3×3網(wǎng)格的所有位置，你會(huì)得到這樣一個(gè)向量，得到一個(gè)16維向量，所以最終輸出尺寸就是3×3×16。

和之前一樣，簡(jiǎn)單起見，我在這里用的是3×3網(wǎng)格，實(shí)踐中用的可能是19×19×16，或者需要用到更多的anchor box，可能是19×19×5×8，即19×19×40，用了5個(gè)anchor box。這就是訓(xùn)練集，然后你訓(xùn)練一個(gè)卷積網(wǎng)絡(luò)，輸入是圖片，可能是100×100×3，然后你的卷積網(wǎng)絡(luò)最后輸出尺寸是，在我們例子中是3×3×16或者3×3×2×8。

接下來我們看看你的算法是怎樣做出預(yù)測(cè)的？

輸入圖像，你的神經(jīng)網(wǎng)絡(luò)的輸出尺寸是這個(gè)3××3×2×8，對(duì)于9個(gè)格子，每個(gè)都有對(duì)應(yīng)的向量。對(duì)于左上的格子(編號(hào)1)，那里沒有任何對(duì)象，那么我們希望你的神經(jīng)網(wǎng)絡(luò)在那里(第一個(gè)p_c)輸出的是0，這里(第二個(gè)p_c)是0，然后我們輸出一些值，你的神經(jīng)網(wǎng)絡(luò)不能輸出問號(hào)，不能輸出don’t care-s，剩下的我輸入一些數(shù)字，但這些數(shù)字基本上會(huì)被忽略，因?yàn)樯窠?jīng)網(wǎng)絡(luò)告訴你，那里沒有任何東西，所以輸出是不是對(duì)應(yīng)一個(gè)類別的邊界框無關(guān)緊要，所以基本上是一組數(shù)字，多多少少都是噪音(輸出 y 如編號(hào)3所示)。

和這里的邊界框不大一樣，希望y的值，那個(gè)左下格子(編號(hào)2)的輸出y(編號(hào)4所示)，形式是，對(duì)于邊界框1來說(p_c)是0，然后就是一組數(shù)字，就是噪音(anchor box 1對(duì)應(yīng)行人，此格子中無行人，p_c=0,b_x=?,b_y=?,b_h=?,b_w=?,c_1=?c_2=?,c_3=?)。

希望你的算法能輸出一些數(shù)字，可以對(duì)車子指定一個(gè)相當(dāng)準(zhǔn)確的邊界框(anchor box 2對(duì)應(yīng)汽車，此格子中有車，p_c=1,b_x,b_y,b_h,b_w,c_1=0,c_2=1,c_3=0)，這就是神經(jīng)網(wǎng)絡(luò)做出預(yù)測(cè)的過程。

最后你要運(yùn)行一下這個(gè)非極大值抑制，為了讓內(nèi)容更有趣一些，我們看看一張新的測(cè)試圖像，這就是運(yùn)行非極大值抑制的過程。如果你使用兩個(gè)anchor box，那么對(duì)于9個(gè)格子中任何一個(gè)都會(huì)有兩個(gè)預(yù)測(cè)的邊界框，其中一個(gè)的概率p_c很低。但9個(gè)格子中，每個(gè)都有兩個(gè)預(yù)測(cè)的邊界框，比如說我們得到的邊界框是是這樣的，注意有一些邊界框可以超出所在格子的高度和寬度(編號(hào)1所示)。

接下來你拋棄概率很低的預(yù)測(cè)，去掉這些連神經(jīng)網(wǎng)絡(luò)都說，這里很可能什么都沒有，所以你需要拋棄這些(編號(hào)2所示)。

最后，如果你有三個(gè)對(duì)象檢測(cè)類別，你希望檢測(cè)行人，汽車和摩托車，那么你要做的是，對(duì)于每個(gè)類別單獨(dú)運(yùn)行非極大值抑制，處理預(yù)測(cè)結(jié)果所屬類別的邊界框，用非極大值抑制來處理行人類別，用非極大值抑制處理車子類別，然后對(duì)摩托車類別進(jìn)行非極大值抑制，運(yùn)行三次來得到最終的預(yù)測(cè)結(jié)果。所以算法的輸出最好能夠檢測(cè)出圖像里所有的車子，還有所有的行人(編號(hào)3所示)。

這就是YOLO對(duì)象檢測(cè)算法，這實(shí)際上是最有效的對(duì)象檢測(cè)算法之一，包含了整個(gè)計(jì)算機(jī)視覺對(duì)象檢測(cè)領(lǐng)域文獻(xiàn)中很多最精妙的思路。

總結(jié)

以上是生活随笔為你收集整理的yolo算法_吴恩达深度学习笔记(100)-目标检测之YOLO 算法讲解的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。