11 - YOLO アルゴリズム II (ターゲット検出)

要点:

---

スリー YOLO   v3

3.1 Darknet-53（バックボーン）

3.2 オブジェクト境界ボックスの予測

予測される境界ボックスの中心を現在のセル、s ( x ) = Sigmoid( x ) に制限します。

3.3 陽性サンプルと陰性サンプルのマッチング

3.4 損失の計算

3.4.1 信頼性の損失 (バイナリ クロス エントロピー)

このうち、   予測ターゲット境界ボックスと実際のターゲット境界ボックスを表すIOU c は予測値であり、シグモイド関数を通じてcによって取得される予測信頼度であり、 Nは正と負のサンプルの数です。

3.4.2 カテゴリ損失 (バイナリ クロス エントロピー)

3.4.3 クラスの損失

3.4.4 定位損失

3.5 YOLOv3 SPP

3.5.1 モザイク画像の強調

3.5.2 SPPモジュール

異なるスケールの機能融合を実現します。

注:ここでのSPP は、SPPnetのSPP構造、空間ピラミッドプーリングとは異なり

フォローアップ:  01-yolo Algorithm_Virgo_March のブログ - CSDN ブログ