全文共3866字，预计学习时长20分钟或更长

本文将详细分析如何使用YOLO(You Only Look Once)进行对象检测。要想完全理解这一技术，首先应该知道对象分类、检测和分割之间的区别。

对象分类是什么？

它是系统试图预测图像内容属性的过程，就相当于一个预测图像标签的分类器。

简单来说，如果有一个预测猫和狗的分类系统，该系统(或者说是分类器)将预测输入其中的任何测试图像并进行分类。此时，图像分类的标签为狗和猫两种。

注意：任何分类器只能预测它所训练的类别标签。所以，在上述情况中，即使输入的图像是大象，分类器也只会输出狗或猫。要识别大象，整个系统必须从头开始对大象数据集进行训练(或从预训练的模型中加载)。

对象分类的方法

上图显示了一种使用像素表示抽象特征的通用方法。底层是原始像素，往上是像素组合在一起形成低级特征，低级特征又组合在一起形成高级特征。

我们可以应用任何现有的机器学习、深度学习技术来解决分类问题。包括：

· 图像特征的二分类

· 基于图像特征的支持向量机

· 基于图像特征的人工神经网络

· 基于图像特征的卷积神经网络

其中，CNN(卷积神经网络)是最佳的图像分类架构之一。所有最新模型都在某种程度上结合了CNN，这也证明了它的强大功能。

对象检测

对象检测是与计算机视觉和图像处理相关的计算机技术，它能检测数字图像和视频中的某一类语义对象(如人、建筑物或汽车)。研究较多的对象检测领域包括人脸检测和行人检测。对象检测可应用于计算机视觉的许多领域，包括图像检索和视频监控。

在更传统的意义上，它指检测场景中每个对象，同时对它们的标签进行分类，并找到该对象的边界框(或多边形)。

最后一部分包括以下最新技术：

· YOLO

· RetinaNet

· RCNN

· Fast-RCNN

· Faster-RCNN

· Mask RCNN

YOLO

You Only Look Once是最先进的实时对象检测系统。它最初开发于2015年左右，当时比其他技术都略胜一筹。

YOLO有基于CNN和锚框的简洁架构，并且是一种针对普遍使用问题的实时对象检测技术。随着时代进步，YOLO也不断迭代，变得更快更好，历来版本包括：

· YOLO V1

· YOLO V2

· YOLO V3

YOLO V2的精确性和速度都比V1更好。

YOLO V3的速度虽未升级，但比V2更精确。

参考文献

1. https://arxiv.org/abs/1506.02640

2. YOLO V3：https://pjreddie.com/media/files/papers/YOLOv3.pdf

YOLO是如何运作的？

YOLO将图像分成13×13个单元格：每个单元格负责预测5个边界框。边界框描述包围对象的矩形。YOLO还输出一个置信度，告诉我们预测的边界框实际包含某个对象的程度。

先前的检测系统使用分类器或定位器进行检测，将模型应用于图像的多个位置和尺度，图像的高得分区域作为检测目标。

YOLO则采取了完全不同的方法。它将单个神经网络应用于整个图像，该网络将图像分成区域，预测每个区域的边界框和概率，并依据概率大小对所有边框分配权重。

YOLO V3精确度更高。下图描绘了YOLO V3的整体架构：

如何获取YOLO

YOLO二进制文件(和来源)可从以下来源中下载：

· https://pjreddie.com/darknet/yolo/

· GitHub：https://github.com/pjreddie/darknet

YOLO基于darknet，内置于C中。Darknet 是用C语言和CUDA编写的开源神经网络框架。

如何使用YOLO

I. 获取存储库

git clone https://github.com/pjreddie/darknet

II. 编译来源

可用make直接编译来源。只需转到所获取的darknet目录，并运行以下命令：

https://github.com/pjreddie/darknet

注意： Make使用Makefile，它由编译C源文件的指令组成。

完成make过程后，将得到一个名为darknet的文件，这是一个二进制的可执行文件，可用它来运行YOLO。

III. 获取darknet执行权限

执行命令 ./darknet时，如果你获取权限错误，这意味着用户没有运行二进制文件的可执行权限。只需输入以下命令：

chmod u+x darknet

然后，darknet便可执行。

YOLO结构

I. 配置文件

YOLO完全是即插即用，即可以配置YOLO检测任何类型的对象。事实上，也可以自行修改CNN架构并使用。YOLO通过使用cfg/下的配置文件来实现这一点。

配置文件以.cfg结尾。

配置文件主要包括：

· CNN架构(层次和激活)

· 锚框

· 类别数量

· 学习速率

· 优化技术

· 输入大小

· 概率分数阈值

· 批量大小

基于不同版本，可以有多种配置，例如V1至V3，或者完整的训练到微小的层次。可从下面两个网站中下载不同配置：

· YOLOV3 (full): https://github.com/pjreddie/darknet/blob/master/cfg/yolov3.cfg

· Tiny YOLO V3: https://github.com/pjreddie/darknet/blob/master/cfg/yolov3-tiny.cfg

II. 权重

每个配置都有相应的预训练权重。这里只引用了YOLO V3。

· 完整权重

YOLO V3完整权重下载：

https://pjreddie.com/media/files/yolov3.weights。

共包含9000多个类别。

· 小权重

80个YOLO V3已训练类别的权重 ：

https://pjreddie.com/media/files/yolov3-tiny.weights。

测试YOLO

如上所述，所有操作都用darknet的可执行文件运行。假设有一个名为test.jpeg的图像，可以尝试预测对象如下：

./darknet detect yolov3-tiny.cfg yolov3-tiny.weights test.jpeg

通常，.cfg 在 cfg/ 目录下。假设 weights/目录下有 yolov3-tiny，则命令为：

./darknet detect cfg/yolov3-tiny.cfg weights/yolov3-tiny.weights test.jpeg

一旦执行，darknet文件的同一个目录下将会有一个命名为predictions.jpeg的图像。可以查看预测类型以及相应的边界框。

训练

训练稍微复杂一些，因为必须保证事物和配置正确。下面的命令即可做到：

./darknet detector train custom/cfg/obj.data custom/cfg/tiny-yolo.cfg custom/tiny-yolo_100.weights

训练命令分解

这里.cfg和.weights指前面提到的配置和权重文件。首先要使用obj.data文件，内容如下：

classes= 1 train = custom/cfg/train.txtvalid = custom/cfg/test.txtnames = obj.names backup = backup/

obj.names

该文件包含一系列类别名。例如：

catdogbackgroundbike

train.txt

该文件包含一系列将输入网络中的训练图像。文件名很类似：

custom/train-images/11.jpgcustom/train-images/12.jpgcustom/train-images/13.jpg......

这里 train-images/包含所有训练图像。除了图像，该目录还包含与图像对应的边界框文本文件。

于是就得到了 custom/train-images/11.txt，内容为：

0 0.32502480158730157 0.3950066137566138 0.12896825396825398 0.09523809523809523

第一个数字代表obj.names中对应的id或类别，其余的数字代表边界框。如果有多个类别的多个框，那么应该是：

0 0.32502480158730157 0.3950066137566138 0.12896825396825398 0.095238095238095230 0.52502480158730157 0.3950066137566138 0.12896825396825398 0.095238095238095231 0.32502480158730157 0.3950066137566138 0.12896825396825398 0.09523809523809523

test.txt

该文件包含一些了测试图像。

注意:在.cfg中，必须将类别的数量更改为obj.names中找到的类别总数。

以上便是使用YOLO的方法。上述演示操作基于Linux系统，Windows系统的步骤也与之类似。

留言 点赞 关注

我们一起分享AI学习与发展的干货

欢迎关注全平台AI垂类自媒体 “读芯术”