仅供个人记录学习

yolo总结

RCNN二阶段算法，需要先用算法在图片上生成样本候选框，然后再对这些框进行分类

yolo一阶段算法，不需要生成候选框，直接在样本上计算出框的坐标与大小，单次检测可得出结果。

yolov1 是anchor free，之后都是anchor base 

YOLOV1

 rcnn系列通过二阶段方法，先生成候选框，再进行分类和边框回归。yolov1则直接在图片上简单划分区域，直接回归区域内边框大小，置信度，类别。

结构

input ：448*448*3

中间层则是一系列的卷积池化，最后是全连接层。

output：7*7*30

首先v1网络将输入图片划分为7*7的区域，每个区域输出30维向量。

每个区域内最多检测出两个边框，即30维：2个边框信息（cx，cy，w，h，conf）*2,20个类别概率。类别概率为条件概率，p（a|obj）该位置存在obj且为a的概率，conf为p（obj）*iou

YOLOV2

yolov1是anchor free的方法，v2则引入了anchor机制。

bn层

在batch上，归一化输出，均值为0，方差为1的数据分布，同时为了减少对原始数据分布状态的的破坏，引入缩放和偏移因子。

不同分辨率训练

使用224尺度训练特征提取网络，再使用488尺度fine tune网络

anchor机制

使用k-means聚类训练样本中的框大小，聚类距离指标使用1-iou值，最终选取5个anchor。

使用416作为输入，32倍下采样后，获得13*13的特征图。

约束预测框中心偏移

预测边界框的中心点相对于左上角的偏移，使用sigmoid函数，约束到0-1中（每个cell看做1，13*13个cell）

多尺度训练

每10个iteration随机选取一种输入图片大小训练，因为是全卷积网络，所以可以改变图片大小。

passthrough

处理下采样到13*13后，小目标特征消失的问题。

YOLOV3

使用darknet-53残差网络作为主干网络，多尺度的特征进行预测，

darknet-53

拥有53层卷积层，以及多次残差连接，最后舍弃fc使用gap（全局平均池化）

多尺度特征融合检测

下采样过程中，三种特征图大小13*13,26*26,52*52，在最后13*13进行预测后，使用转置卷积上采样，到另外两种大小，并使用特征图融合concate预测。

9种尺度的anchor

 9种尺度，分为三类，分别在3种大小的特征图上进行预测。

13*13特征图，感受野最大，适合检测大物体，采用最大的3种框，26*26检测中物体，52*52感受野最小，检测小物体，采用最小的三种框。

YOLOV5

 整个网络分为输入端、主干特征提取网络、Neck和预测端。

数据增强

采用mosaic数据增强，将多张照片随机裁剪、拼接，提升对小目标册检测效果。

 自适应的anchor大小计算

之前版本的anchor通过聚类得出，但是在整体数据集上聚类，v5版本在每次训练时计算最佳anchor

Focus结构

 下采样，提升速度，与map无关

CSP网络结构

cross stage partial networ，跨阶段局部网络

 大量梯度信息被重复用来更新dense block的权重，可以反复学习相同的梯度信息。

 FPN和PAN

608的输入，最后获得19、38、76的三种大小特征图通过FPN将高层语义信息传递到底层，PAN将底层位置信息传递到高层。

 

标签：采样,13,系列,特征,尺度,YOLO,网络,anchor
来源： https://blog.csdn.net/doerymy/article/details/119297374