yolo迭代次数_你一定从未看过如此通俗易懂的YOLO系列(从v1到v5)模型解读(中)

来自 | 知乎  作者 | 科技猛兽链接 | https://zhuanlan.zhihu.com/p/183781646编辑 | 深度学习这件小事公众号本文仅作学术交流&＃xff0c;如有侵权&＃xff0c;请联系后台删除。上篇文章我们介绍了YOLO v1的设计和演变过程(你一定从未看过如此通俗易懂的YOLO系列(从v1到v5)模型解读 (上))&＃xff0c;从本文开始我们继续介绍YOLO series接下来的工作&＃xff0c;但是因为YOLO下面的工作内容太多&＃xff0c;所以本文只介绍YOLO v2 v3 v4 v5对于检测头head和损失函数loss的优化&＃xff0c;剩下的backbone方面的优化留到下一篇文章吧。

为了使本文尽量生动有趣&＃xff0c;我仍然用葫芦娃作为例子展示YOLO的过程(真的是尽力了。。。)。

下面进入正题&＃xff0c;首先回顾下YOLO v1的模型结构&＃xff0c;忘记了的同学请看上面的文章并点赞&＃xff0c;如下面2图所示&＃xff1a;

我们认为&＃xff0c;检测模型&＃61;特征提取器&＃43;检测头

在YOLO v1的模型中检测头就是最后的2个全连接层(Linear in PyTorch)&＃xff0c;它们是参数量最大的2个层&＃xff0c;也是最值得改进的2个层。后面的YOLO模型都对这里进行改进&＃xff1a;

YOLO v1一共预测49个目标&＃xff0c;一共98个框。

   5 YOLO v2

• 检测头的改进&＃xff1a;

YOLO v1虽然快&＃xff0c;但是预测的框不准确&＃xff0c;很多目标找不到&＃xff1a;

• 预测的框不准确&＃xff1a;准确度不足。

• 很多目标找不到&＃xff1a;recall不足。

我们一个问题一个问题解决&＃xff0c;首先第1个&＃xff1a;

• 问题1&＃xff1a;预测的框不准确&＃xff1a;

当时别人是怎么做的&＃xff1f;

同时代的检测器有R-CNN&＃xff0c;人家预测的是偏移量。

什么是偏移量&＃xff1f;

之前YOLO v1直接预测x,y,w,h&＃xff0c;范围比较大&＃xff0c;现在我们想预测一个稍微小一点的值&＃xff0c;来增加准确度。

不得不先介绍2个新概念&＃xff1a;基于grid的偏移量和基于anchor的偏移量。什么意思呢&＃xff1f;

基于anchor的偏移量的意思是&＃xff0c;anchor的位置是固定的&＃xff0c;偏移量&＃61;目标位置-anchor的位置。

基于grid的偏移量的意思是&＃xff0c;grid的位置是固定的&＃xff0c;偏移量&＃61;目标位置-grid的位置。

Anchor是什么玩意&＃xff1f;

Anchor是R-CNN系列的一个概念&＃xff0c;你可以把它理解为一个预先定义好的框&＃xff0c;它的位置&＃xff0c;宽高都是已知的&＃xff0c;是一个参照物&＃xff0c;供我们预测时参考。

上面的图就是YOLO v2给出的改进&＃xff0c;你可能现在看得一脸懵逼&＃xff0c;我先解释下各个字母的含义&＃xff1a;

通过这样的定义我们从直接预测位置改为预测一个偏移量&＃xff0c;基于Anchor框的宽和高和grid的先验位置的偏移量&＃xff0c;得到最终目标的位置&＃xff0c;这种方法也叫作location prediction。

这里还涉及到一个尺寸问题&＃xff1a;

刚才说到 

如图1所示&＃xff0c;假设此图分为9个grid&＃xff0c;GT如红色的框所示&＃xff0c;Anchor如紫色的框所示。图中的数字为image的真实信息。

我们首先会对这些值归一化&＃xff0c;结果如下图2所示&＃xff1a;

归一化之后你会发现&＃xff0c;要预测的值就变为了&＃xff1a;

方法&＃xff1a;对于任意一个数据集&＃xff0c;就比如说COCO吧(紫色的anchor)&＃xff0c;先对训练集的GT bounding box进行聚类&＃xff0c;聚成几类呢&＃xff1f;作者进行了实验之后发现5类的recall vs. complexity比较好&＃xff0c;现在聚成了5类&＃xff0c;当然9类的mAP最好&＃xff0c;预测的最全面&＃xff0c;但是在复杂度上升很多的同时对模型的准确度提升不大&＃xff0c;所以采用了一个比较折中的办法选取了5个聚类簇&＃xff0c;即使用5个先验框。

所以到现在为止&＃xff0c;有了anchor再结合刚才的 

这里的W&＃61;13,H&＃61;13,A&＃61;5。
每个 

YOLO v1和v2的比较

---

   6 YOLO v3

• 检测头的改进&＃xff1a;

之前在说小目标检测仍然是YOLO v2的痛&＃xff0c;YOLO v3是如何改进的呢&＃xff1f;如下图所示。

我们知道&＃xff0c;YOLO v2的检测头已经由YOLO v1的 

检测头是DBL&＃xff0c;定义在图上&＃xff0c;没有了FC。

还有一种画法&＃xff0c;更加直观一点&＃xff1a;

YOLO v3 head

anchor和YOLO v2一样&＃xff0c;依然是从数据集中统计得到的。

• 损失函数为&＃xff1a;

第4行说明&＃xff1a;loss分3部分组成&＃xff1a;
第1行代表geo_loss&＃xff0c;S代表13,26,52&＃xff0c;就是grid是几乘几的。B&＃61;5。
第2行代表class_loss&＃xff0c;和YOLO v2的区别是改成了交叉熵。
第3行代表confidence_loss&＃xff0c;和YOLO v2一模一样。

最后我们做个比较&＃xff1a;

---

   7 疫情都挡不住的YOLO v4

第一次看到YOLO v4公众号发文是在疫情期间&＃xff0c;那时候还来不了学校。不得不说疫情也挡不住作者科研的动力。。。

• 检测头的改进&＃xff1a;

YOLO v4的作者换成了Alexey Bochkovskiy大神&＃xff0c;检测头总的来说还是多尺度的&＃xff0c;3个尺度&＃xff0c;分别负责大中小目标。只不过多了一些细节的改进&＃xff1a;

1.Using multi-anchors for single ground truth

之前的YOLO v3是1个anchor负责一个GT&＃xff0c;YOLO v4中用多个anchor去负责一个GT。方法是&＃xff1a;对于 图3&＃xff1a;YOLO v2&＃xff0c;YOLO v3要预测的值

这里其实还隐藏着一个问题&＃xff1a;

模型预测的结果是&＃xff1a; 图4&＃xff1a;IoU Loss不能反映两者的距离大小

• 所以接下来的改进是&＃xff1a;

图4&＃xff1a;GIoU Loss

GIoU Loss可以解决上面IoU Loss对距离不敏感的问题。但是GIoU Loss存在训练过程中发散等问题。

• 接下来的改进是&＃xff1a;

图5&＃xff1a;DIoU Loss

DIoU loss可以直接最小化两个目标框的距离&＃xff0c;因此比GIoU loss收敛快得多。

但是DIoU loss依然存在包含的问题&＃xff0c;即&＃xff1a;

这2种情况

有了anchor的 

本文只介绍了YOLO v2 v3 v4 v5对于检测头head和损失函数loss的优化&＃xff0c;剩下的backbone方面的优化实在是写不动了&＃xff0c;放到下一篇吧。

—完—

为您推荐你一定从未看过如此通俗易懂的YOLO系列解读 (上)这21张深度学习速查表让你代码能力突飞猛进22课时、19大主题&＃xff0c;CS 231n进阶版课程视频上线数据分析入门常用的23个牛逼Pandas代码如何在科研论文中画出漂亮的插图&＃xff1f;