YOLO学习总结_gentelyang的博客-CSDN博客

来自 : CSDN技术社区 发布时间：2021-03-25

每个网格要预测B个bounding box 每个bounding box除了要回归自身的位置之外 还要附带预测一个confidence值。 

confidence代表了所预测的box中含有object的置信度和这个box预测的有多准两重信息。

YOLO的一些细节

1 每个grid有30维 这30维中 8维是回归box的坐标 2维是box的confidence 还有20维是类别。

 2 其中坐标的x,y用对应网格的offset归一化到0-1之间 w,h用图像的width和height归一化到0-1之间。

3 激活函数 leaky rectified linear activation

YOLO的网络结构图

YOLO直接从一张图片中提取特征 来预测每一个Bounding box 最小化和ground turth的误差。由于YOLO是一个端到端的训练 并且中间没有region proposal生成 所以在速度上有了很大的提升。

loss损失函数

实验
训练中 总共进行了 135 轮 epoches 训练、验证集来自 PASCAL 2012、2007。当在 VOC 2012 数据集上测试时 训练集包括了 VOC 2007 的测试集。训练中 bacthsize 为 64 momentum 为 0.9 decay 为 0.0005. 
Learning rate 的设置  
1 在第一轮 epoch 中 learning rate 逐渐从 1e−3 增加到 1e−2。如果训练时从一个较大的 learning rate 开始 通常因为不稳定的梯度 而使得模型发散。 
2 之后 保持 learning rate 为 1e−2 直到 epoch 75  
3 再接下的 30 轮 epoch learning rate 为 1e−3  
4 最后 30 轮 epoch learning rate 为 1e−4。 

        在训练中 为了避免 overfitting 使用了 dropout 技术 在第一层全连接层后面增加了一个 dropout layer 随机置零的 rate 0.5。 为了防止 overfitting 也使用了 data augmentation 技术。

YOLO一张图片只会预测98个Bounding Box和所述类的可能性。所以YOLO在计算过程中 速度很快。
但是YOLO的局限性也相当明显 首先一个cell只能预测两个Bounding Box 预测一类物体 所以当
有一群小物体密集的时候很难得到正确的Bounding Box 小物体在卷积和pooling的过程中 损失的

信息越来越多 得到的有用信息已经很少 所以YOLO在检测小目标效果不尽人意。

总结
每个 grid cell 中只能预测两个 boxes 以及有一个类别。这种太强的空间约束 限制了 YOLO 对于相邻物体的检测能力 一旦相邻的物体数量过多 YOLO 就检测不好了。
YOLO开辟了一种新的目标检测的思路 改变了原来的pipeline 虽然牺牲了一些检测的精度 但是大幅度的提升了目标检测的速度。

 

点赞 1 评论 1