YOLO算法介绍

自己整理的YOLOv1~5一些知识点，博客中图片来自同济子豪兄、Bubbliiiing、江大白，如有错误，还请多多指教。

YOLOv1

预测阶段

图片大小416 * 416 *3

1、将图片划分为7*7grid cell

2、每一个cell能产生两个预测框，bounding box.置信度高的粗线表示，置信度低的细线表示

3、每个cell还能生成20个*类别的概率

4、结合Bbox与class probability,得到最后的预测

一个cell30维=两个预测框 *（conf+x+y+w+h)+20 *p(class)

有7 *7 个cell=7 * 7 *30 =1470输出

yolov1损失函数

损失函数=三大类，坐标回归误差+回归误差+类别预测误差

坐标回归=检测bbox中心点定位误差+检测Bbox宽高定位误差

回归误差=检测Bbox的conf误差+不检测Bbox的conf误差

类别预测误差=grid cell的分类误差

YOLOv2

输入416* 416 *3 ，32倍下采样 ， 输出 13 * 13 *125.

1、新增Batch Normalization 神经网路的输出减去均值再除以标准差，变成以0为中心，标准差为1的分布。

能有效解决反向传播梯度消失或梯度爆炸

Batch Normalization

测试阶段的均值Utest,方差，γ，β都是训练阶段得出

进行bn，分布很分散的数据就被压缩到0附近

2、High Resolution Classifier高分辨率

一开始就用大分辨率图片进行训练

3、anchor锚框

先验框两个：矮胖与高瘦

每一个cell，都有五个anchor，bounding box 的大小是相比于anchor的偏移量

一张图13 * 13 grid cell,一个cell画5个anchor。一个anchor包含4个定位参数x,y,w,h,一个置信度conf，20个类别的概率p

所以一个cell=5 * （4+1+20）=125参数

anchor大小：在faster-Rcnn与SSD中是人手工设计的；而YOLOv2之后是kalman clustering

预测框中心点TX-Ty原本无限增长，加函数限制，压缩到0~1之间，把预测框中心点限制在当前cell里面、Cx,Cy归一化左上角坐标

Pw与Ph是anchor的宽高，乘以指数函数，这里宽高就不做限制，因为物体可能很大

YOLOv2损失函数

v2中一个cell只能分配一个anchor，v2忽略了（0.6~最好）置信度anchor之间的框做损失函数

损失函数三部分组成：

1、anchor与ground truth的交并比小于0.6

2、是否是前12800次迭代，指的迭代前期

3、每一个cell有5个anchor，其中anchor与GT最大的iou

上图三个黄色值都是非0即1；紫色框λ是权重；

1、第一项被抛弃的anchor置信度越低越好

2、第二项让anchor位置与预测框xywh越接近越好，这部分就越小

3、第三大项分三部分：最好anchor要算三项

​ 3.1定位误差：GT与Bbox位置的定位误差的平方

​ 3.2置信度误差：anchor与GT的IOU与预测框conf差的平方

​ 3.3分类误差：标注框类别预测p-预测框类别预测p差的平方

Multi Scale Training 不同尺寸训练

用主干Darknet-19

每隔十步重新选择输入图片大小训练，用全局平均池化层

输入416 * 416 *3 进行32倍下采样，得到13 * 13 *125

YOLOv3

Backbone Darknet53

主干网络，52个卷积层+1全连接层

网络结构,FPN

输入图片416 * 416 *3 ，32倍下采样，输出图片13 * 13 *255

255 = 3 * 85 ：每个cell生成三个anchor，每个anchor对应一个

预测框，包含5个位置参数，80个类p

13 * 13 中的cell包含32 * 32 的感受野像素，负责预测大物体，对应anchor比较大

26 * 26 16 * 16 感受野预测中等大小物体

52 * 52 8 * 8 感受野 预测小物体

输入图片大小必须是32的倍数

比如输入608 * 608 ，输入是19 *19 ；38 *38 ；76 * 76 ，grid cell数量也会增加

正负样本

1、如果一个anchor与GT的IOU最大，它就是正样本

2、如果某个anchor与GT有部分交集，高于设定的阈值但不是最大，则不参与样本；

3、如果anchor与GT的IOU小于设定阈值，则为负样本

V3损失函数

分为3部分：

1、正样本坐标回归

2、正样本置信度与类别；类别数改成二元交叉熵损失函数

3、负样本置信度

v3预测过程

池化

训练过程中有上百个卷积核，特征图的参数 4* 4 256 个参数，所有要降低特征图维度，有效防止过拟合；选择特征图中某块区域的最大值，就是最大池化；某区域的平均值，就是平均值；

作用：1降低参数量 2防止过拟合 3 带来平移不变性

YOLOv4

改进点

相比v3改进5大点：

1、主干提取网络：CSPDarknet-53

2、特征金字塔：SPP,PAN

3、分类回归层：YOLOv3（未改变）

4、mosaic数据增强，label Smoothing平滑，CIOU，学习率余弦退火衰减

5、使用Mish激活函数

网络结构图

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-bqwA3cTt-1666425632505)(/…/…/…/…/YOLO图片/image-20220328091420148.png)]

CSPDarknet-53

1、将激活函数由LeakyReLu修改成Mish

2、将resblock body的结构进行修改，使用CSPnet

csp将输入分为两部分，

1、一部分是主干网络部分，RES Block的堆叠；

2、另一部是大残差部分，只经过少量处理，两者直接进行连接进行输出

SPP空间金字塔结构

5* 5 ； 9 * 9 ； 13 * 13池化h核的最大池化层

通过不同的pad使得输出特征图大小都为13 * 13

v4损失函数，训练时用ciou,推理时采用Diou

BN—》CMBN

YOLOv5

网络结构

输入：马赛克，自适应锚框，自适应图片缩放,FCOUS

主干：设计两种csp结构，csp1用主干，csp2用neck，spp

Neck,csp2跨阶段局部网络

损失函数Giou，6.0版后替换成CIoU