跳转至

YOLO 目标检测算法学习笔记（三）

YOLO-V1

YOLO，全称 You Only Look Once。名字已经说明了一切！

YOLO 这是一个经典的 one-stage 方法，把检测问题转换为回归问题，一个CNN就可以搞定。

YOLO-V1 mAP

YOLO 相比于 Faster R-CNN 虽然在 mAP 值上略逊一筹，但其 FPS 值是远远高于 Faster R-CNN 的，因此2016年的时，YOLO爆火。

核心思想

YOLO 核心思想

  • 将输入图像分割成 SxS 个网格（如7x7），每个网格负责检测本身区域是否含有物体。
  • 每个网格会预测 B 个边界框（在YOLO-V1中，B值等于2），边界框由四个变量表示 x、y、w、h，以及每个边界框的置信度，置信度用 c 表示。置信度表示边界框包含物体的概率。

  • 过滤掉置信度低的边界框。

  • 由于整个检测只需要一个前向传播，没有区域提议生成候选框的过程，所以速度非常快。

网络架构

YOLO 网络架构

将输入图像（在YOLO-V1中限制了输入图像的大小）进行通过卷积神经网络进行特征提取，获得 7x7x1024 的特征图，再进入全连接层，得到 1470 个特征，随后 Reshape 成 7x7x30 的特征图。

下面解释一下 7x7x30 的含义。

  • 7x7 表示输入图像最后分割的网格大小。

  • 30 分为 5+5+20，其中前两个5代表两个边界框的 x、y、w、h和c；最后的20表示当前格子属于数据集中的各个类别的概率。

注意，这里三个值都不是固定不变的，会由于YOLO版本的更新和训练数据集的变化而改变。

YOLO 网络架构简化

总结一下 ，如上图所示，输入图像最后会被分割成许多个网格，每个网格都包含了若干值。

S：网格边长；B：预测边界框数量；C：数据集中的类别个数。 $$ (S * S) * (B * 5 + C) $$

损失函数

YOLO 损失函数