YOLO学习笔记4——YOLOV2详解+论文解读

YOLOV2、YOLO9000论文连接：https://arxiv.org/abs/1612.08242
YOLOv2主要是改进原有的YOLO算法，2017年，作者 Joseph Redmon 和 Ali Farhadi 在 YOLOv1 的基础上，进行了大量改进，提出了 YOLOv2 和 YOLO9000，重点解决YOLOv1召回率和定位精度方面的不足。

YOLO的缺点：

对相互靠近的物体，以及很小的群体检测效果不好，这是因为一个网格只预测了2个框，并且都只属于同一类；
对不常见的角度的目标泛化性能偏弱；
定位不准确，尤其是大小物体的处理上，还有待加强；
端对端网络在前期训练时非常困难，很难收敛；
预训练的输入224x224，预测的输入448x448，模型需要适应图像分辨率的改变；

YOLOv2的改进：

1、Batch Normalization(批归一化）

对网络的每一层的输入(每个卷积层后)都做了归一化，这样网络就不需要每层都去学数据的分布，收敛会更快；
map得到2%的提升；
对模型起到正则化的效果；
不需要再使用dropout层；

2、High Resolution Classifier(更高分辨率的分类器)

YOLOv1使用的是224x224的输入，在ImageNet上进行预训练；
YOLOv2则将预训练分成两步：
先用224x224的输入从头开始训练网络，大概160个epoch，然后再将输入调整到448x448，再训练10个epoch，然后再fine-tuning自己的数据；
map提高了4%；

3、Anchor Boxes

原来的YOLO是利用全连接层直接预测bounding box的坐标，而YOLOv2借鉴了Faster R-CNN的思想，引入anchor；
首先将原网络的全连接层和最后一个pooling层去掉；
缩减网络，由448x448–>416x416，最终输出13x13的feature map；
检测的box变多，提高Object的定位准确率，YOLO(bounding box)：7x7x2=98，YOLOv2(anchor box，每个box预测的5个值：tx，ty，tw，th和to)：13x13x5=845；

4、Dimension Clusters

利用K-means聚类(用欧式距离来衡量差异)对训练集的bounding boxes做聚类，计算出更好的Anchor模板；
通过IOU定义距离函数，使得误差和box的大小无关：
根据模型复杂度与recall，选择了K=5

5、Direct location prediction

Faster R-CNN 算法中，是通过预测 bounding box 与 ground truth 的位置偏移值tx，ty间接得到bounding box的位置
由于tx,ty没有限制，会导致每个位置预测的边界框可以落在图片任何位置，这会导致模型的不稳定性，其公式如下：

改进为：
预测边界框中心点相对于该网格左上角坐标(Cx,Cy)的相对偏移量，同时为了将bounding box的中心点约束在当前网格中；
使用 sigmoid 函数将tx，ty(tx,ty是预测的关于anchor的偏移量)归一化处理，将值约束在0-1，这使得模型训练更稳定；
即每个anchor只负责预测目标中心点落在的那个grid cell区域的目标；
to也是需要用sigmoid函数进行限制的；
cx和cy表示中心点落在的那个grid cell与图像左上角的横纵坐标距离，黑色虚线框是bounding box，蓝色矩形框就是预测的结果。

6、Fine-Graind Features

结合底层的信息

输出13x13，融合相对更低层的26x26分辨率的特征图；
通过passthrough layers来实现，能将相对底层的特征图与高层的特征图进行融合，提升小目标的检测效果；
宽高变为原来的1/2，深度变为原来的4倍，26x26x64 —>13x13x256
，将13x13x256与13x13x1024进行融合—>13x13x1280，与论文中有所不同，作者的源码加入了一个1x1的卷积层；

7、Multi-Scale Training

多尺度训练

将图片缩放到不同的尺寸训练，提升鲁棒性；
每迭代10个batch，就将网络的输入尺寸进行随机选择(32的倍数)；

8、网络结构的改进

19个卷积层，5个池化层；
输入416x416x3，输出13x13x125(125=5x25=5x(20+4+1)，5个先验框，20个类别，4个坐标值，1个置信度)
去掉最后一个卷积层；
添加3个3x3的卷积层(每个卷积层有1024个filter)，最后连接一个1x1的卷积层，1x1卷积的filter个数根据需要检测的类来定(每个grid cell5个box=5x(5+20)=125)。
即：
每一个convolutional都是由conv2d + BN + LeakyReLu 组成；

参考博主：https://blog.csdn.net/u014380165/article/details/77961414
参考视频：https://www.bilibili.com/video/BV1yi4y1g7ro?p=2

YOLO学习笔记4——YOLOV2详解+论文解读相关推荐

ELK学习笔记之Logstash详解
0x00 Logstash概述官方介绍:Logstash is an open source data collection engine with real-time pipelining cap ...
expect学习笔记及实例详解【转】
1. expect是基于tcl演变而来的,所以很多语法和tcl类似,基本的语法如下所示: 1.1 首行加上/usr/bin/expect 1.2 spawn: 后面加上需要执行的shell命令,比如说 ...
Java中大数据数组,Java基础学习笔记之数组详解
摘要:这篇Java开发技术栏目下的"Java基础学习笔记之数组详解",介绍的技术点是"java基础学习笔记.基础学习笔记.Java基础.数组详解.学习笔记.Java&qu ...
oracle scn 重置,学习笔记:Oracle SCN详解 SCN与Oracle数据库恢复的关系
天萃荷净分享一篇关于Oracle SCN的详解,介绍SCN与Oracle数据库恢复的关系和SCN在数据库中的作用一.为什么需要System checkpoint SCN号与Datafile Che ...
PyQt5学习笔记——一文详解QObject
QObject详解笔记1 一.简介 QObject是所有Qt对象的基类二.功能作用 2.1 对象名称.属性 2.1.1 API setObjectName("唯一名称") 给QT ...
shell入门学习笔记-12-命令详解: echo与printf
系列目录与参考文献传送门: shell入门学习笔记-序章命令详解 admindeMacBook-Pro:myshell admin$ type cd cd is a shell builtin ad ...
CoAP学习笔记——CoAP格式详解
0 前言 CoAP是受限制的应用协议(Constrained Application Protocol)的代名词.在当前由PC机组成的世界,信息交换是通过TCP和应用层协议HTTP实现的.但是对于小型 ...
Docker技术入门与实战第二版-学习笔记-3-Dockerfile 指令详解
前面已经讲解了FROM.RUN指令,还提及了COPY.ADD,接下来学习其他的指令 5.Dockerfile 指令详解 1> COPY 复制文件格式: COPY <源路径> .. ...
CoAP协议学习笔记——CoAP格式详解
CoAP是受限制的应用协议(Constrained Application Protocol)的代名词.在当前由PC机组成的世界,信息交换是通过TCP和应用层协议HTTP实现的.但是对于小型设备而言, ...
【Python全栈100天学习笔记】Day37MySQL详解（sql语句基本操作含索引、视图、存储过程）
SQL详解基本操作我们通常可以将SQL分为三类:DDL(数据定义语言).DML(数据操作语言)和DCL(数据控制语言).DDL主要用于创建(create).删除(drop).修改(alter)数据 ...