YOLOv1学习笔记
文章目录
算法思想
直接对bounding box的位置和置信度进行回归。
算法流程
- 将图片划分成
S*S的格子,如果box中心落到某个格子内,则该格子负责预测这个box; - 每个格子负责预测b个bounding box(预测相对于当前格子的坐标以及相对于全图的长宽),最后选定置信度最大的格子输出;
- 计算回归损失。
推理流程
- 图片通过网络前向计算得到
S*S*(5*b+num_classes)个输出,在pascal VOC数据集中,YOLOv1采用S=7, b=2, 一共20类,所以num_classes=20, 最后的输出为7*7*30,即每个格子预测两个bounding box; - 筛选出bounding box置信度(confidence)大于阈值的框(此时在YOLOv1中已经过滤掉大部分);
- 对筛选出的bounding box进行nms(非极大抑制)。根据业务不同要求,nms的形式也可能不同,YOLOv1中直接对所有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需要对每一类分别做nms。
优缺点
优点
- 速度很快,pipline简单
- YOLO会基于整张图片信息进行预测,而其他滑窗式的检测框架,只能基于局部图片信息进行推理。
- YOLO学到的图片特征更为通用
- 背景误检率低
缺点
- 由于输出层为全连接层,因此在检测时,YOLO训练模型只支持与训练图像相同的输入分辨率;
- 每个格子只能预测一个bbox。当一个格子包含多个物体时,只能检出一个;
- 位置检测不准确。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贡献值接近(虽然采用求平方根方式,但没有根本解决问题)。因此,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,从而降低了物体检测的定位准确性。
评论
登录后参与技术讨论,分享你的经验与见解。
登录 / 注册暂无评论