Tabla de contenido
1. Algoritmo clásico y etapa (Stage)
2. Verdad fundamental, predicción y pagaré
3. Precisión y recuperación
4. Confianza y Umbral de Confianza
5. AP (Precisión promedio), mAP (Precisión promedio promedio), interpolación de todos los puntos (Interpolación realizada en todos los puntos) y AUC (Área bajo la curva)
6. YOLO V1
Siete, supresión no máxima (Supresión no máxima)
8. YOLO V2
Documento de referencia
1. Algoritmo clásico y etapa (Stage)
Dos etapas (dos etapas): Máscara R-CNN más rápida R-CNN
Características: velocidad relativamente lenta, buen efecto, no apto para detección en tiempo real
Una etapa (etapa única): YOLO
Características: velocidad rápida, efecto relativamente pobre, adecuado para detección en tiempo real
2. Verdad fundamental, predicción y pagaré
3. Precisión y recuperación
Ejemplo: en el dimensionado de tecnología general, es necesario garantizar tanto la precisión (sin marcas incorrectas, marcas múltiples) como la tasa de recuperación (sin marcas faltantes)
4. Confianza y Umbral de Confianza
Confianza > umbral de confianza, se marca como muestra positiva, en caso contrario se marca como muestra negativa
Cuanto mayor sea el umbral de confianza, menor será el recuerdo y mayor la precisión; cuanto menor sea el umbral de confianza, mayor será el recuerdo y menor la precisión
5. AP (Precisión promedio), mAP (Precisión promedio promedio), interpolación de todos los puntos (Interpolación realizada en todos los puntos) y AUC (Área bajo la curva)
Ajuste el umbral de confianza y dibuje el diagrama PR (incluida la línea punteada roja) de todos los métodos de interpolación de puntos, como se muestra en la figura de la izquierda a continuación.
Método de cálculo AP: AUC,
Como se muestra en la figura superior derecha,
6. YOLO V1
Red de arquitectura
Imagen de entrada 448x448x3: C3, H448, W448
Datos de salida 7x7x30 (5x2 (2 es el número de cuadros delimitadores contenidos en cada celda de la cuadrícula) + 20): GridX (1~7), GridY (1~7), (x1 (0~1), y1 (0~1 ), w1, h1, Confianza1, x2 (0~1), y2 (0~1), w2, h2, Confianza2, p(1), p(2),...,p(n=20)(n número de clases para el conjunto de datos))
输出数据量计算公式（SxS：网格单元数量，B：每个网格单元含有的边界框数量，5：归一化后的每个网格单元内的边界框横、纵坐标+边界框宽度、高度+边界框置信度，C：数据集分类数量）：
损失函数
位置误差
置信度误差
Lamda(noobj)=0.5：由于背景在图像中占比较大，故减小负样本（背景）影响，使正样本易于检测
分类误差
MSE（均方差）与CEE（交叉熵）：MSE适用于线性回归预测数值，即回归问题模型；CEE适用于逻辑回归测概率，即分类问题模型
此处应选择交叉熵作为损失函数
评价
优点：简单快速
缺点：每个grid cell仅预测一个类，多类重叠问题无法解决；小目标检测效果一般；当同一类出现的不常见的长宽比和其他情况时泛化能力偏弱
七、非极大值抑制（Non-maximum Suppression）
八、YOLO V2
提升概览
加入批归一化
提高分辨率
输入大小
V2为什么可以使用不同大小的输入：去掉了全连接层，解放了大小限制
网络结构
输入大小
为什么实际输入为416*416而不是448*448：416=13*32，我们期望输入大小（416）为13的奇数倍，使数据具有实际中心点
为什么网格单元数量由V1的7*7变为13*13：每个网格单元box数量有限，增加了网格单元数量从而增加了box数量
Darkent类型：Darknet-19，含有19个卷积层
3x3卷积：参考了VGG，参数较少，感受野较大
1x1卷积：效果与3x3相近，但节省了大量参数（偷工减料）
聚类提取先验框
先验框比例
如何确定先验框比例：利用数据集的标注信息，采用K-means划分先验框比例，k=5即分为五类
为什么k=5：Avg IOU较大，Clusters较小
距离的定义
为什么不用欧氏距离：防止误差随先验框大小变化而产生明显变化
Reference Paper：You Only Look Once: Unified, Real-Time Object Detection
