YOLO理解

1、YOLO v1

一、網絡結構

（1）最後一層使用線性激活函數；

（2）其餘各層使用leaky ReLU的激活函數：

二、Training

(1) 將原圖劃分爲SxS的網格。若是一個目標的中心落入某個格子，這個格子就負責檢測該目標，即Pr(object)=1。S取7；

(2) 每一個網格要預測C個類別機率Pr(classi|object)，C爲20（不須要表示背景這一類，由於這20類機率都爲0即表示爲背景）。用於訓練用的每一個網格類別標籤爲，若是實際bounding box的中心在該網格上，且是第i類，則對應位置的機率爲1，其餘類別機率爲0，不然C個類的機率都爲0；

(3) 每一個網格要預測B個bounding box：(x, y, w, h)，論文中B取2。

關於(x,y,w,h)的定義很少說，看以下例子：

當某個格子含有object時，標籤按上圖方式計算。

（4）每一個網格還要預測B個condidence：

若是格子內有物體，則Pr(Object)=1，此時置信度等於IoU。若是格子內沒有物體，則Pr(Object)=0，此時置信度爲0。當格子內有物體標籤爲1，沒物體標籤爲0。（不知理解得是否正確）

（5）因爲輸入圖像被分爲SxS網格，每一個網格包括B個bounding boxes，每一個box有5個預測量：(x, y, w, h, confidence)，每一個網格還有預測C個類別的機率，因此網絡輸出是SxSx(5xB+C)大小。

（6）損失函數：

這裏注意如下幾點：

1）表示第i個網格，第j個bounding box含有object，表示第i個網格，第j個bounding box不含有object，表示第i個網格含有object；

2）因爲絕大部分網格中不包含目標，致使絕大部分box的confidence=0，因此在設計confidence偏差時同等對待包含目標和不包含目標的box也是不合理的，不然會致使模型不穩定。因此在預測偏差中乘以懲罰權重λnoobj=0.5。除此以外，同等對待4個值(x, y, w, h)的座標預測偏差與1個值的conference預測偏差也不合理，因此在座標預測偏差偏差以前乘以權重λcoord=5。

3）對於大的box的小偏差確定要比小box的小偏差影響更小，因而，採用對w,h,x,y取平方根的作法，由於平方根函數的圖像隨着x的增大會變得平緩。

4）加入了這一項，有這個好處，可讓沒有物體的狀況下confidence的輸出預測值爲較低（接近0）。也就是說，上式的損失函數，能夠同時訓練讓confidence高與讓confidence低兩種狀況。

5）咱們發現每一項loss的計算都是L2 loss，即便是分類問題也是。因此說yolo是把分類問題轉爲了迴歸問題。

三、Inference

（1）在test的時候，每一個網格預測的class信息和B個bounding box預測的confidence信息相乘，就獲得每一個bounding box的class-specific confidence score:

等式左邊第一項就是每一個網格預測的類別機率，第二三項就是每一個bounding box預測的confidence。這個乘積即表示box屬於某一類的機率。

（2）獲得每一個box的class-specific confidence score之後，設置閾值，濾掉得分低的boxes，對保留的boxes進行NMS處理，就獲得最終的檢測結果。

（3）注意：

   1）因爲輸出層爲全鏈接層，所以在檢測時，YOLO訓練模型只支持與訓練圖像相同的輸入分辨率。

   2）雖然每一個格子能夠預測B個bounding box，可是最終只選擇只選擇IOU最高的bounding box做爲物體檢測輸出，即每一個格子最多隻預測出一個物體。當物體佔畫面比例較小，如圖像中包含畜羣或鳥羣時，每一個格子包含多個物體，但卻只能檢測出其中一個。這是YOLO方法的一個缺陷。

四、疑惑及解答

（1）訓練時7x7xB個bbox的初始位置怎麼肯定？

是根據各層的權重獲得的，各層權重是隨機初始化的，因此bbox的初始置是隨機的。但bbox的中心點都在對應網格內。

（2）訓練時，當某個網格始終沒有被檢測物體的中心點選中，是否是該網格的對應的參數永遠不會被訓練？

不會，由於在最後一層卷積層以後鏈接了兩層全鏈接層，其餘網格也會對當前網格有有影響的。

 

參考：

yolo迴歸型的物體檢測 - Jinlong_Xu的博客 - CSDN博客  https://blog.csdn.net/jinlong_xu/article/details/77888100

理解 YOLO 目標檢測-圖文外翻-AI研習社  https://ai.yanxishe.com/page/TextTranslation/1168

 

end