yolov1相关资料

yolov1论文详解

算法原理

在yolov1中作者将一幅图片分成7*7个网格(gird cell)，由网络的最后一层输出7 * 7 * 30的tensor，也就是说每个格子输出1 * 1 * 30的tensor。30里面包含了2个bounding box的x，y，w，h，confidence以及针对格子而言的20个类别概率，输出就是7 * 7 * （5 * 2 + 20），（通用公式：S * S个网络，每个网络要预测B个bounding box，还要预测C个categories，输出就是S * S * (5 * B + C)的一个tensor。注意class信息是针对每个网络的，confidence信息是针对每个bounding box的）

网络设计
我们的网络架构受到 GoogLeNet 图像分类模型的启发[34]。我们的网络有 24 个卷积层，后面是 2 个全连接层。我们只使用 1×1 降维层，后面是 3×3 卷积层，这与 Lin 等人[22]的模型结构类似，而不是GoogLeNet 使用的 Inception 模块。我们网络的最终输出是 7×7×30 的预测张量。完整的网络如下图所示。

每个层的输出，见下图
预测阶段
训练阶段

7*7个目标框，最多只能预测49个物体，这是yolov1预测小目标和密集目标比较差的原因。
把目标检测问题当做回归问题解决的

损失函数loss

4.1 负责检测物体的bbox中心点定位误差
4.2 负责检测物体的bbox宽高定位误差(加根号:小框对误差更敏感)
4.3 负责检测物体的bbox的confidence误差
4.4 不负责检测物体的bbox的confidence误差
4.5 负责检测物体的分类误差

yolov1优缺点

优点：

1. 速度快
1. 可以捕获全图的信息(globally about the image),隐式的编码图像上下文信息(不同物体之间的关系,比如人骑自行车、飞机和蓝天的关系);Fast R-CNN会犯把背景误判为目标的错误，因为他无法看到更大的上下文信息
1. 泛化能力、迁移能力比较强
  缺点：
1. map比较低
1. 定位性能比较差主要误差来源分类正确但定位误差大,定位误差较大
1. recall比较低
1. 检测小目标和密集目标比较差，只能预测7*7个物体

ap：pr曲线围成的面积
dropout 为什么能减少过拟合？

参考:
子豪兄的代码铺子
【精读AI论文】YOLO V1目标检测，看我就够了
【深度学习YOLO V1】深刻解读YOLO V1（图解）
【精读AI论文】YOLO V1目标检测，看我就够了

yolov系列-yolov1-论文详解相关推荐

YOLOv1论文详解【算法原理、置信度、IOU、损失函数等】
YOLOv1 YOLO v1 优点算法原理专业词汇解释: 1.置信度(confidence) 2.IoU(Intersection over Union ratio) 训练步骤从R-CNN到Fa ...
【论文精读3】MVSNet系列论文详解-P-MVSNet
P-MVSNet全名为"P-MVSNet: Learning Patch-wise Matching Confidence Aggregation for Multi-View Stereo ...
[3D检测系列-PV-RCNN] PV-RCNN论文详解、PV-RCNN代码复现、包含官网PV-RCNN预训练权重及报错问题
[3D检测系列-PV-RCNN] PV-RCNN论文详解.PV-RCNN代码复现一.论文详解 1.3D voxel CNN 2.体素到关键点场景编码 2.1.关键点抽样 2.2.体素抽象 3.VSA ...
YOLO v1论文详解
YOLO v1:一体化的,实时物体检测声明:笔者翻译论文仅为学习研究,如有侵权请联系作者删除博文,谢谢! 源论文地址:https://arxiv.org/pdf/1506.02640.pdf 注:文 ...
ShuffleNetv2论文详解
ShuffleNet v2 论文详解近期在研究轻量级 backbone 网络,我们所熟悉和工业界能部署的网络有 MobileNet V2.ShuffleNet V2.RepVGG 等,本篇博客是对 ...
Spark RDD 论文详解（二）RDDs
前言本文隶属于专栏<1000个问题搞定大数据技术体系>,该专栏为笔者原创,引用请注明来源,不足和错误之处请在评论区帮忙指出,谢谢! 本专栏目录结构和参考文献请见1000个问题搞定大数据技 ...
【GAN】二、原始GAN论文详解
写在前面在前面一篇文章:[GAN]一.利用keras实现DCGAN生成手写数字图像中我们利用keras实现了简单的DCGAN,并生成了手写数字图像.程序结果让我们领略了GAN的强大,接下来我们开始一 ...
RepVGG论文详解
RepVGG 论文详解 RepVGG 是截止到 2021.2.9 日为止最新的一个轻量级网络架构.在我的测试中,其在安霸 CV22 上的加速效果不如 ShuffleNet v2.根据作者的描述,Rep ...
Docker系列07—Dockerfile 详解
Docker系列07-Dockerfile 详解 1.认识Dockerfile 1.1 镜像的生成途径基于容器制作 dockerfile,docker build 基于容器制作镜像,已经在上篇Do ...

yolov系列-yolov1-论文详解