YOLO系列之yolo v1

yolo v1发表在CVPR2016上，是经典的one-stage检测算法。在没接触yolo之前，我曾经就和师兄争论过，是否能把bounding box的坐标和宽高像分类网络那样预测出来，Yolo v1的出现证明了我的猜测是对的。

论文标题: 《You Only Look Once: Unified, Real-Time Object Detection》
论文地址：https://arxiv.org/pdf/1506.02640.pdf
推荐git： https://github.com/leviome/yolo_1_pytorch
这个repo是本人维护的，删掉了很多繁杂的部分，只保留最基本的yolo训练和预测结构。有利于快速上手，以及后期自定义添加插件。

v1是yolo系列的开山之作，以简洁的网络结构，简单的复现过程(作者给出详细教程)而受到CVer们的追捧。
yolo_v1奠定了yolo系列算法“分而治之”的基调，在yolo_v1上，输入图片被划分为7X7的网格，如下图所示:

如上图所示，输入图片被划分为7x7个单元格，每个单元格独立作检测。
在这里很容易被误导：每个网格单元的视野有限而且很可能只有局部特征，这样就很难理解yolo为何能检测比grid_cell大很多的物体。其实，yolo的做法并不是把每个单独的网格作为输入feed到模型，在inference的过程中，网格只是物体中心点位置的划分之用，并不是对图片进行切片，不会让网格脱离整体的关系。
可以通过yolo_v1的structure来进一步理解，相比faster r-cnn那种two-stage复杂的网络结构而言，yolo_v1的网络结构显得亲民得多。基本思想是这样：预测框的位置、大小和物体分类都通过CNN暴力predict出来。

上面是结构图yolo_v1结构图，通过结构图可以轻易知道前向传播的计算过程，是很便于读者理解的。v1的输出是一个7x7x30的张量，7x7表示把输入图片划分位7x7的网格，每一个小单元的另一个维度等于30。30=(25+20)。代表能预测2个框的5个参数(x,y,w,h,score)和20个种类。
|SSSxSSSx(B∗5+C)(B*5+C)(B∗5+C) = 7x7x(25 + 20)|
|:|
|SxS表示网格数量，B表示每个网格生成框的个数，C表示能检测识别的种类。|
可以看出输出张量的深度影响yolo_v1能检测目标的种类。v1的输出深度只有30，意味着每个单元格只能预测两个框(而且只认识20类物体)，这对于密集型目标检测和小物体检测都不能很好适用。

训练

正如前面所说的，yolo是端到端训练，对于预测框的位置、size、种类、置信度(score)等信息的预测都通过一个损失函数来训练。
losslossloss === λcoord{\lambda}_{coord}λcoord∑i=0S2\sum_{i=0}^{S^2}∑i=0S2∑j=0B\sum_{j=0}^B∑j=0Blijobjl_{ij}^{obj}lijobj$[(x_i - \hat{x_i})^{2+(y_i-\hat{y_i})}2] + $
λcoord{\lambda}_{coord}λcoord∑i=0S2\sum_{i=0}^{S^2}∑i=0S2∑j=0B\sum_{j=0}^B∑j=0Blijobjl_{ij}^{obj}lijobj$[(\sqrt{w_i}- \sqrt{\hat{w_i}})^{2+(\sqrt{h_i}-\sqrt{\hat{h_i}})}2] + $
∑i=0S2\sum_{i=0}^{S^2}∑i=0S2∑j=0B\sum_{j=0}^B∑j=0Blijobjl_{ij}^{obj}lijobj$(c_i - \hat{c_i})^2 + $
λnoobj{\lambda}_{noobj}λnoobj∑i=0S2\sum_{i=0}^{S^2}∑i=0S2∑j=0B\sum_{j=0}^B∑j=0Blijnoobjl_{ij}^{noobj}lijnoobj$(c_i - \hat{c_i})^2 + $
∑i=0S2\sum_{i=0}^{S^2}∑i=0S2∑c∈classes\sum_{c\in classes}∑c∈classes$(p_i©- \hat{p_i}©)^2 $

S2S^2S2表示网格数，在这里是7x7。BBB表示每个单元格预测框的个数，这里是2。
第一行就总方误差( sum-squared error)来当作位置预测的损失函数，第二行用根号总方误差来当作宽度和高度的损失函数。第三行和第四行对置信度confidence也用SSE作为损失函数。第五行用SSE作类别概率的损失函数。最后将几个损失函数加到一起，当作yolo v1的损失函数。
lijobjl_{ij}^{obj}lijobj取值为0和1，即单元格内是否有目标。
λcoord{\lambda}_{coord}λcoord = 5
λnoobj{\lambda}_{noobj}λnoobj = 0.5
从上面公式也可以看得出来，yolo_v1就是选用最简单的SSE作为损失函数(PS：还没交叉熵复杂)。不过，能解决问题是王道。

总结

v1对于整个yolo系列的价值，即v2/v3还保留的特性，可以总结为3点：

leaky ReLU，相比普通ReLU，leaky并不会让负数直接为0，而是乘以一个很小的系数(恒定)，保留负数输出，但衰减负数输出；公式如下: y={x,x>00.1x,otherwisey =\begin{cases} x, x>0\\ 0.1x, otherwise \end{cases}y={x,x>00.1x,otherwise
分而治之，用网格来划分图片区域，每块区域独立检测目标；
端到端训练。损失函数的反向传播可以贯穿整个网络，这也是one-stage检测算法的优势。

YOLO系列之yolo v1相关推荐

yolo系列之yolo v3【深度解析】——讲的挺好，原作者厉害的
版权申明:转载和引用图片,都必须经过书面同意.获得留言同意即可本文使用图片多为本人所画,需要高清图片可以留言联系我,先点赞后取图这篇博文比较推荐的yolo v3代码是qwe的keras版本,复现比 ...
通俗易懂的YOLO系列（从V1到V5）模型解读！
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 0 前言本文目的是用尽量浅显易懂的语言让零基础小白能够理解什么是 ...
【YOLO系列】YOLO V1 论文精读与学习总结
目录 0. 前言 1.YOLO V1 大体思路 2. YOLO V1的训练过程 2.1 YOLO V1网络结构 2.2 具体训练过程 2.2.1 把主干结构在ImageNet上进行预训练 2.2.2 ...
你一定从未看过如此通俗易懂的YOLO系列（从V1到V5）模型解读！
↑ 点击蓝字关注极市平台作者丨科技猛兽@知乎来源丨https://zhuanlan.zhihu.com/p/183261974(上) https://zhuanlan.zhihu.com/p/1 ...
YOLO系列之yolo v2
yolo_v2论文发表在CVPR2017.v2算法在v1的基础上可以说是飞跃性提升,吸取诸子百家之优势.同时,v2的论文也是目前为止yolo系列论文里干货最多的文章. 论文标题:<YOLO900 ...
YOLO系列：YOLO v2深度解析 v1 vs v2
概述第一,在保持原有速度的优势之下,精度上得以提升.VOC 2007数据集测试,67FPS下mAP达到76.8%,40FPS下mAP达到78.6%,可以与Faster R-CNN和SSD一战第二, ...
YOLO系列：YOLO v1深度解析
声明一点,我是工程应用人员,此文章仅适合算法应用工程师. 1.首先先看一下YOLO的整体结构: 2.其次看一下YOLO的工作过程: (1) 将原图划分为SxS的网格.如果一个目标的中心落入某个格子 ...
YOLO系列：YOLO v3解析
本文好多内容转载自 https://blog.csdn.net/leviopku/article/details/82660381 yolo_v3 提供替换backbone.要想性能牛叉,backbo ...
YOLO系列代码解读（图像检测）
1.YOLO v1 yolo v1源码解析 - 筱 - CSDN博客 https://blog.csdn.net/baidu_27643275/article/details/82794559 [D ...

YOLO系列之yolo v1

训练

总结

YOLO系列之yolo v1相关推荐

最新文章

热门文章