Yolov1

核心内容

分而治之

① 分而治之，其类似卷积神经网络，目的是通过分块找到物体中心，其核心思路就是一个莽，全都用CNN莽出来

②leaky ReLu \[ y=\begin{array}{l} \left\{\begin{matrix} x,x>0 \\ 0.1x,otherwise \end{matrix}\right. \end{array} \] ③ 端到端训练

端到端训练

Yolov2

同比v1的改进

tradeoff：折中

batch normalization：某种正则化手段，BN

high resolution classifier：微调与训练模型

Convolutional With Anchor Boxes：anchor机制

  • Dimension Clusters：选择anchor prior需要手动设置，采用k-means聚类找到一个合适的大小

  • Direct location prediction: 解决不稳定，相对位置预测

Fine-Grained Features: 调整后的yolo将在13*13的特征上做检测任务

multi-scale training：多标准化输入训练

Darknet-19：backbone网络

Yolov3

基本流程

基本组件

保留部分

  • 分割检测
  • leaky ReLu
  • 端到端训练，loss function 不变
  • BN正则化不变，放在leaky ReLu和每一层卷积后
  • mult scale training

基本组件

CBL：Yolov3网络结构的最小组件，由Conv+Bn+Leaky_relu组成

Res unit：借鉴Resnet网络中的残差结构，让网络可以构建的更深。

ResX：由一个CBL和X个残差组件构成

基础操作

Concat：拼接

Add：张量相加，与shortcut功能一致

backbone

v3中没有池化层和全连接层，尺寸变换通过改变卷积和步长

backbone会将输入图片的尺寸缩短到原来的\(\frac{1}{32}\),所以要求输入图片得是32的倍数

尺寸变换比较

这里要注意Darknet-19是要比Darknet-53快的，因此v3还提供了tinynet

Perdictions across scales

image-20230705105112921

这个借鉴了FPN(feature pyramid networks)，采用多尺度来对不同size的目标进行检测，越精细的grid cell就可以检测出越精细的物体。规律为1:2:4