YOLOv1算法解析

YOLOv1算法处理思路

1. 将一幅图像分成SxS个网格(grid cell)， 如果某个object的中心落在这个网格中，则这个网格就负责预测这个object。

YOLO算法的流程

2. 每个网格要预测B个bounding box，每个bounding box 除了要预测位置之外，还要附带预测一个confidence值。每个网格还要预测C个类别的分数。

   在YOLOv1论文中

   • 并将训练集图片分割成7x7个网格.（S = 7）

   • 每个网格预测两个bounding box.（B=2）

   • 使用的PASCAL VOC数据集的类别数为20.（C=20）

经过正向传播网络得到的7x7x30特征矩阵

每一个bounding box包含五个预测参数（x,y,w,h）&confidence

• 其中(x,y)是关于grid cell的相对坐标，取值范围是(0,1).
• 其中(w,h)是关于整个图像的相对坐标，取值范围也是(0,1).
• confidence计算公式为:Pr(Object)*IOU(gt||pr)
  • Pr(Object)表示是否为20个目标中的一个，数值为0或1.
  • IOU(gt||pr)标注的groundtruth和预测框的交并比。

bounding box的confidence计算公式 YOLOv1网络结构

• 该途中如果没有标注-s-的话，卷积核的stride为1，如果标注-s-2的话，卷积核的stride为2.

• 网络的输出进行展平处理，接上一个fc(4096)层，最后会得到一个4096维的向量

• 将上面4096维的向量再接上一个fc(1470)层，将最后的向量reshape成7x7x30的特征矩阵。

3. YOLOv1的损失函数:

bounding box损失函数

• 其中第一行为正样本的损失，第二行是负样本的损失。第二行中公式的开方是为了避免不同面积相同偏移量的情况。

confidence 损失函数

• 第一行是计算正样本的损失，第i个grid cell中是存在目标的。第二行是计算负样本的损失，第i个gird cell中没有目标的情况。

预测类别的损失函数

3. YOLOv1存在的一些问题

   • 对于检测一些群体性小目标的检测效果较差

   • 目标出现了新的尺寸和配置，预测效果较差

   • 定位不准确，后面的改进(YOLOv2及以后)采用基于anchor的回归。