一、基础理论

优缺点

二、过程

1、对每张图像打格

2、损失函数

2-1、损失函数介绍

2-2、参数介绍

2-3、注意事项

一、基础理论

步骤1：生成备选框。

步骤2：从备选框中找出物体边框。

根据像素的突变，进行图像分割，分出不同物体，画出不同颜色的区域，得到备选框（proposal）。我们需要寻找的物体也在备选框中，我们需要把它从备选框中找出来。

优缺点

二、过程

1、对每张图像打格

图像打格过程中，物体中心落在哪个格子，那个格子就负责预测哪个物体。

：预测框。（Yolo v1预测2个边框，多预测几个边框，留下最好的那个）

：置信度（判断是否靠谱）（考虑两方面：(1)是某物体的概率；(2)重合的比例）)

：是某物体的概率。（最后结果在0~1之间）

：交并比（重合部分越高，交并比越大）

得到的Bounding Box五维数据：x、y、w、h、confidence。（横、纵坐标、宽、高、置信度）

（B不一定得是2）

以上的五个数据分别为：width * height * (5维 * Box数量B + Confidence)

2、损失函数

由于上面有3个物体，所以获取3个中心：

2-1、损失函数介绍

损失函数：坐标损失（Coordinate loss）、置信度损失（Confidence loss）、分类损失（Classification loss）。

上述4个式子分别计算：坐标、大小、物体、背景、分类概率的loss。

（这里）误差 = 预测 - 真实

2-2、参数介绍

（IoU：交并比）

object：学习物体：

no object：学习背景：

2-3、注意事项

注：

1、(2)式用根号压缩物体的原因：

小物体和大物体的差距过大，尽可能压缩减小差距。（不压缩的话，loss会被大物体严重影响）

2、(4)式noobject（背景）原因：

增强泛化能力。除了要学习物体的信息，我们还需要学习背景信息（有时候背景中可能有和原物体比较像的物体，但不是原物体，为了加以区分）（学习非物体的东西，提高泛化能力）。

3、(4)式加 $\lambda$ 的原因：

为了减小背景的权重，因为背景通常更大，实际物体更小，所以背景会产生更多的损失。这样会导致网络去学习产生大loss的因素，即侧重于学习背景，而忽略掉学习物体的特征，这不是我们想要的。

Yolo（1）Yolo v1相关推荐

Yolo（2）Yolo v2
目录 Yolo v2改进 1.引入BP层 2.更高精度的分类器 3.引入anchor 定义: anchor理解: 目标: 4.细粒度特征 5.多尺度 Yolo v2改进 yolo v2 VS yolo ...
python 将YOLO（txt）格式的标注数据批量转换为PascalVOC（XML）格式的标注数据
python 将YOLO(txt)格式的标注数据批量转换为PascalVOC(XML)格式的标注数据准备工作修改代码路径运行代码程序bug(没时间看所以还没解决): 准备工作需在目标文件夹中 ...
深度学习笔记（40） YOLO
深度学习笔记(40) YOLO 1. YOLO对象检测算法 2. 构造训练集 3. 预测 3. 非极大值抑制 1. YOLO对象检测算法之前已经学到对象检测算法的大部分组件: 博文组件作用深度 ...
目标检测（九）--YOLO v1,v2,v3
YOLO v1 这是继RCNN,fast-RCNN和faster-RCNN之后,rbg(RossGirshick)针对DL目标检测速度问题提出的另外一种框架.YOLO V1其增强版本GPU中能跑45f ...
Yolo（3）（项目）Yolo v3 目标检测（85分类）
目录基础理论一. 读取文件二.神经网络初始化 1.搭建神经网络 2.GPU加速三.打开摄像头.按帧读取图像四.向神经网络输入五.获取神经网络输出 1.获取各层名称 2.获取输出层名称 3. ...
Kubernetes学习总结（4）——Kubernetes v1.20 重磅发布 | 新版本核心主题主要变化解读
K8sMeetup 中国社区第一时间整理了 v1.20 的亮点内容,为大家详细介绍此版本的主要功能. 作者:Bach(才云).bot(才云) 技术校对:星空下的文仔(才云) 美国时间 12 月 8 日 ...
编辑用Excel制作股票交易表格/日志，带macro宏程序（vba）更新V1.5
写在前面交易股票最好要记录每一笔交易,交易记录能帮助我们回忆和分析交易中的成功失败,以获得交易技能的提升,甚至可以使我们头脑更加清晰,不至于做出错误判断和冲动交易. 于是本着每一笔交易都详细记录的投 ...
python 将PascalVOC（XML）格式的标注数据批量转换为YOLO（txt）格式的标注数据
文章目录 20191022 20200523 第一次使用,修改了代码内容使用方法修改过的代码 20191022 引用文章:啊哈~发表第一篇博客,voc格式的标注数据转换为yolo格式的标注数据 i ...
ROS小车打造（七）--YOLO运行ROS例子--TX2安装darknet_ros
Darknet可以对目标对象进行识别,目前可以实现以下80 个目标的识别.也可以训练自己的识别库.目前很多的超市就使用该技术进行称重识别,替代人工选择物品类别.(尝试过连红心柚子与白心柚子都可以分开. ...

Yolo（1）Yolo v1

一、基础理论

优缺点

二、过程

1、对每张图像打格

2、损失函数

2-1、损失函数介绍

2-2、参数介绍

2-3、注意事项

Yolo（1）Yolo v1相关推荐

最新文章

热门文章