YOLOV3-项目解析+关键点理解

源代码GitHub地址：https://github.com/qqwweee/keras-yolo3

作者使用自己数据集实现：yolo v3-训练自己的数据（step by step）

项目结构思维导图：

1、yolov3最后的输出为三个特征层的输出，并没有进行一个连接，分别是13*13*255（255=3*（5+80类）），26*26*255，52*52*255三种feature map，所以可以看到输入网络中的true_box是for l in range(num_layers)得到的，其中num_layers=3表示有三个特征图的输出。

y_true = [np.zeros((m,grid_shapes[l][0],grid_shapes[l][1],len(anchor_mask[l]),5+num_classes),dtype='float32') for l in range(num_layers)]

所以y_true就是一个list，len(y_true)=3，其中的每一个list是我们之前所认识的那样：eg:13*13*3*(x+y+w+h+class_id+num_classes)

2、yolov3网络的每个小格子预测三个回归框，但是为什么会有9个anchore，这9个anchore通过下图可以看出来是三个尺度上的，并且该yolo网络的最后输出是三个尺度上的输出，因此可以有3*3=9，其中3表示输出的特征层的个数，另一个3表示每一个特征层（feature map）其中每个小格子（gird）所能预测的最大的格子数（在程序中有标注，最大不能超过20个）。（并非在网络的最后将三个特征层进行了融合，而是单独的三个特征层进行输出，最终我们的box信息也会转换为该形式的，所以不是每个格子预测九个框，下图在yolov3中表示三个尺度上的）

3、yolo中的confidence 代表了所预测的 box 中含有 object 的置信度和这个 box 预测的有多准这两重信息，并非简单的置信度

4、yolo v1版本由于输出层为全连接层，在网络的设置中需要设置一个shape大小信息，因此在检测时，YOLO 训练模型只支持与训练图像相同的输入分辨率，但是yolo v3就支持测试的时候使用更高的分辨率的图片，因为最终的输出为卷积形式的，并且中间没有全连接层，只需要卷积核的大小不会变化，测试的时候输入图像的输出的尺寸大小和对true_box处理以后的大小相同（true_box在做处理的时候需要用到shape信息），而预训练的权重不用变也可以用，因为只有卷积那里的权重，分辨率变化只是影响了最终的输出大小（同时true_box也变了），其他没有变化。

区别于之前的补全图片的尺寸的方法，YOLOv2 每迭代几次都会改变网络参数。每 10 个 Batch，网络会随机地选择一个新的图片尺寸，由于使用了下采样参数是 32，所以不同的尺寸大小也选择为 32 的倍数 {320，352…..608}，最小 320*320，最大 608*608，网络会自动改变尺寸，并继续训练的过程。

这一政策让网络在不同的输入尺寸上都能达到一个很好的预测效果，同一网络能在不同分辨率上进行检测。当输入图片尺寸比较小的时候跑的比较快，输入图片尺寸比较大的时候精度高，所以你可以在 YOLOv2 的速度和精度上进行权衡。

5、yolo v1的loss中有几点的理解

注意：

只有当某个网格中有 object 的时候才对 classification error 进行惩罚

只有当某个 box predictor 对某个 ground truth box 负责的时候，才会对 box 的 coordinate error 进行惩罚，而对哪个 ground truth box 负责就看其预测值和 ground truth box 的 IoU 是不是在那个 cell 的所有 box 中最大

如果一个网格中没有 object（一幅图中这种网格很多），那么就会将这些网格中的 box 的 confidence push 到 0，相比于较少的有 object 的网格，这种做法是 overpowering 的，这会导致网络不稳定甚至发散。对没有 object 的 box 的 confidence loss，赋予小的 loss weight，记为在 pascal VOC 训练中取 0.5，有 object 的 box 的 confidence loss 和类别的 loss 的 loss weight 正常取 1。（也就是说图像中大部分的格子中是没有目标的，所以如果设置一样的权重，那么为了使loss下降，网络训练得到的参数会使得所有的格子都倾向于为0，从而造成网络训练的部不稳定，因此将没有物体的格子对应的loss加一个权重比如0.5就会解决这个问题）

6、yolo v2(yolo9000)的训练是联合进行训练的

YOLO9000 就是使用联合训练算法训练出来的，他拥有 9000 类的分类信息（yolo9000的名字来自于此），这些分类信息学习自ImageNet分类数据集，而物体位置检测则学习自 COCO 检测数据集，联合训练算法的基本思路就是：同时在检测数据集和分类数据集上训练物体检测器（Object Detectors ），用监测数据集的数据学习物体的准确位置，用分类数据集的数据来增加分类的类别量、提升鲁棒性。

在训练的过程中，当网络遇到一个来自检测数据集的图片与标记信息，那么就把这些数据用完整的 YOLO v2 loss 功能反向传播这个图片。当网络遇到一个来自分类数据集的图片和分类标记信息（没有物体位置标记信息框，只有类别信息），只用整个结构中分类部分的 loss 功能反向传播这个图片。

7、yolov1中每个网格不管预测几个box ，但是只有一个类别信息，看他的输出就知道了，每个网格要预测 B 个 bounding box 还要预测 C 个 categories。输出就是 S x S x (5*B+C) 的一个 tensor，如果每个格子都是单独的类别预测，那么就应该是 S x S x (5*（B+C）)

8、对于选择softmax分类器还是 $k$ 个logistic分类器，取决于所有类别之间是否互斥。所有类别之间明显互斥用softmax分类器，所有类别之间不互斥有交叉的情况下最好用 $k$ 个logistic分类器。

因为使用softmax会涉及到使用全部的数据做一个加和之类操作，有一个求和符号，所以最终的每一个预测值都和其他的数据值的大小相关，因此彼此之间多少有联系，而多个logistic则不存在这个问题，是多少就是多少。

9、查看map的解释：其实就是计算每一个类别的AP，然后在求全部类别的均值就得到了map（mean ap）,其中ap的计算就是P-R曲线下的面积，一看就知道面积的值和准确率（）和查全率有关系，但是曲线下的面积很不好求，需要进行积分等操作，那怎么办呢，那就是近似的思想，用一个便于计算的方法来计算一个值近似等于曲线下的面积，有很多种的方法，比如11点法，和COCO的计算方法，这里是依据Confidence排序后的顺序依次计算出Precision和Recall，然后在进行计算，有时候会看到AP备注为某一IOU下的计算，这里的变量Confidence的值的计算和IOU有关（IOU*置信度=Confidence），一般是固定一个IOU值，然后计算AP。具体的计算见MAP 11points 方法的计算

具体参照这两篇博客：

https://blog.csdn.net/zdh2010xyz/article/details/54293298

https://blog.csdn.net/holmes_MX/article/details/82466537

https://blog.csdn.net/qq_17550379/article/details/79875784

COCO数据中计算AP的方法，采用的是Confidence在[0.5 : 0.05 : 0.95]计算10次AP，然后求均值的方法计算AP

10、yolo中常常提到的frontend 和 backend 其实对应的是两个文件或者说两种说法概念，其中backend更多的指的是yolo底层网络的定义和实现，比如我在backend中定义了两种网络tiny_yolo and full_yolo两种，那么在frontend中我就可以任意的调用这两种网络，搭建我的上层网络，其次在frontend中还可以定义loss等，从而更好的封装我们的函数，使得在最终的程序会特别简洁。

为什么在有的yolo网络中会有两个权重，一个yolo_backend，一个yolo_xx.h5 ，这是因为就像上面说的在backend中会有一个基础的网络，这个技术的网络有一个权重，然后在此基础之上还有一个网络，整个网络在进行训练，然后这整个网络的权重保存在yolo_xx.h5中，所以可以说这是为了进行迁移学习.

11、为什么会有true_boxes这个输入，可以参考这个github上的解释（small hack to allow true_boxes to be registered when Keras build the model），因为要注册该输入，但是在真正的网络中该输入没有用到，只是为了编译模型好用而已。（比如就在该yoloｖ3项目中，也将true_boxes（y_true）作为了输入，但是并没有’真正‘加入到网络中，只是在最后的loss计算的时候用到了，将model.output与true_boxes送入loss计算函数）

12、keras网络的输入为一个tuple，系统会自动将第一项识别为输入，第二项识别为输出，同理，对于keras的loss也一样，系统会自动的讲网络的输出识别为y_pre,将输入y识别为y_true,　这两个参数就是ｌｏｓｓ默认的参数，当然你也可以手动的指定，这都是在默认的情况下进行的，大多数情况下都是这么使用。

好的模型解释博客

yolov3网络结构说明：

https://blog.csdn.net/qq_37541097/article/details/81214953

https://blog.csdn.net/sum_nap/article/details/80568873

https://blog.csdn.net/yangchengtest/article/details/80664415

https://blog.csdn.net/leviopku/article/details/82660381

yolov1 yolov2 yolov3之间的演变之路及对比

https://blog.csdn.net/guleileo/article/details/80581858 （介绍的非常详细，细看这个会有很多的收获）

https://www.cnblogs.com/makefile/p/YOLOv3.html （和上一个内容类似，但是多了一些具体网络结构参数的说明）

https://www.jianshu.com/p/f87be68977cb

https://blog.csdn.net/leviopku/article/details/81980249 可视化工具-做记录，没接触

YOLOV3-项目解析+关键点理解相关推荐

报考浙大MBA项目的关键点之一：提前批面试解析
2024年MBA联考备考工作已经陆续起航,在浙江省最为吸引考生的项目非浙大MBA莫属,除了省内唯一所名校MBA项目的光环外,浙大MBA项目自身的专业建设体系以及在全国的影响力也是内在实力 ...
AlexeyAB DarkNet YOLOv3框架解析与应用实践（一）
AlexeyAB DarkNet YOLOv3框架解析与应用实践(一) Darknet: C语言中的开源神经网络 Darknet是一个用C和CUDA编写的开源神经网络框架.它速度快,易于安装,支持CP ...
【OpenEVSE 】汽车充电桩控制项目解析
[OpenEVSE ]汽车充电桩控制项目解析 1. 项目介绍 2. 项目硬件 3. 软件原理以及流程 4. 系统结构: ESP32 RAPI API MQTT 上的 RAPI: 5. SAE J177 ...
AlexeyAB DarkNet YOLOv3框架解析与应用实践（六）
AlexeyAB DarkNet YOLOv3框架解析与应用实践(六) Tiny Darknet 听过很多人谈论SqueezeNet. SqueezeNet很酷,但它只是优化参数计数.当大多数高质量的 ...
AlexeyAB DarkNet YOLOv3框架解析与应用实践（五）
AlexeyAB DarkNet YOLOv3框架解析与应用实践(五) RNNs in Darknet 递归神经网络是表示随时间变化的数据的强大模型.为了更好地介绍RNNs,我强烈推荐Andrej K ...
AlexeyAB DarkNet YOLOv3框架解析与应用实践（四）
AlexeyAB DarkNet YOLOv3框架解析与应用实践(四) Nightmare 从前,在一所大学的大楼里,西蒙尼亚.维达第和齐瑟曼有一个很好的主意,几乎和你现在坐的大楼完全不同.他们想,嘿 ...
AlexeyAB DarkNet YOLOv3框架解析与应用实践（三）
AlexeyAB DarkNet YOLOv3框架解析与应用实践(三) ImageNet分类您可以使用Darknet为1000级ImageNet挑战赛分类图像.如果你还没有安装Darknet,你应该 ...
AlexeyAB DarkNet YOLOv3框架解析与应用实践（二）
AlexeyAB DarkNet YOLOv3框架解析与应用实践(二) 版本3有什么新功能? YOLOv3使用了一些技巧来改进训练和提高性能,包括:多尺度预测.更好的主干分类器等等.全部细节都在我们的 ...
深度学习项目实战-关键点定位视频课程
课程目标快速掌握如何使用caffe框架完成一个深度学习的实际项目适用人群深度学习爱好者,全民皆可入门课程简介深度学习项目实战-关键点定位课程以人脸关键点检测为背景,选择多阶段检测的网络架构, ...

YOLOV3-项目解析+关键点理解

YOLOV3-项目解析+关键点理解相关推荐

最新文章

热门文章