关于图像识别:YOLOv1学习笔记

算法思维

间接对 bounding box 的地位和置信度进行回归。

算法流程

1. 将图片划分成 S*S 的格子，如果 box 核心落到某个格子内，则该格子负责预测这个 box；
2. 每个格子负责预测 b 个 bounding box（预测绝对于以后格子的坐标以及绝对于全图的长宽），最初选定置信度最大的格子输入；
3. 计算回归损失。

推理流程

1. 图片通过网络前向计算失去 S*S*(5*b+num_classes) 个输入，在 pascal VOC 数据集中，YOLOv1 采纳 S =7, b=2, 一共 20 类，所以 num_classes=20, 最初的输入为7*7*30，即每个格子预测两个 bounding box；
2. 筛选出 bounding box 置信度 (confidence) 大于阈值的框（此时在 YOLOv1 中曾经过滤掉大部分）；
3. 对筛选出的 bounding box 进行 nms（非极大克制）。依据业务不同要求，nms 的模式也可能不同，YOLOv1 中间接对所有 bbox 的 score 进行排序，在所有 bbox 中做 nms；而在要求召回较高的场景须要对每一类别离做 nms。

优缺点

长处

1. 速度很快，pipline 简略
2. YOLO 会基于整张图片信息进行预测，而其余滑窗式的检测框架，只能基于部分图片信息进行推理。
3. YOLO 学到的图片特色更为通用
4. 背景误检率低

毛病

1. 因为输入层为全连贯层，因而在检测时，YOLO 训练模型只反对与训练图像雷同的输出分辨率；
2. 每个格子只能预测一个 bbox。当一个格子蕴含多个物体时，只能检出一个；
3. 地位检测不精确。YOLO loss 函数中，大物体 IOU 误差和小物体 IOU 误差对网络训练中 loss 奉献值靠近（尽管采纳求平方根形式，但没有基本解决问题）。因而，对于小物体，小的 IOU 误差也会对网络优化过程造成很大的影响，从而升高了物体检测的定位准确性。

代码

https://github.com/Howe-Young…