目錄
1、目标檢測的常見名額
2、yolov1網絡
3、yolov2
4.yolov3
5.參考資料
1、目标檢測的常見名額
TP(true positive):IoU>0.5檢測框的數量
FP(false positive):IoU<=0.5的檢測框
FN(false negative):沒有檢測GT(ground truth)的數量
Precision: TP/(TP+FP)預測正确的比例 查準率
Recall:TP/(TP+FN)預測正确的目标比例 查全率
AP：P-R曲線下的面積
P-R曲線:Precision-Recall曲線
mAP:各類别AP的平均值
第一行為coco資料集的主要評價名額AP，當IoU從0.5到0.95，且間隔為0.05，十個不同值的IoU對應的AP取均值。
第二行為不同面積的AP，小于32×32為小像素，32到96像素為中等像素，大于96為大像素。
第三行為提供多少個邊界框的AR(average recall)，分别為1，10，100個。
第四行為不同面積的AR，小尺寸，中等尺寸和大尺寸。
2、yolov1網絡
1.提出了grid cell，将圖檔分成s×s個網格，object的中心落在這個網格中，這個網格就負責預測這個object。
2.每個網格要預測B個bounding box，除了預測位置還有預測一個confidence，每個網格還要預測c個類别分數。對于Pascal voc資料集，它有20個類别，采用B=2。是以我們預測的個數為7×7×30個參數。輸出為7×7×30，以channel展開，每一條兩個bounding box的8個坐标，加兩個confidence，和20個預測類别分數。x,y是相對于grid cell的值，為預測的中心坐标，w，h是相對于整個圖檔來說，為預測的邊界框參數。confidence的值是
Pr為是否為目标隻取0或1，後面是預測值和真實值的交并比。
最後的預測機率為：
3.網絡結構
在展平處理後，reshape成7×7×30的特征矩陣。
4.損失函數
使用誤差平方和計算，分成3部分，預測邊界框損失，confidence損失，類别損失。bounding box損失中，寬度和高度開根平方差是為了大邊界框和小邊界框偏移大小一樣時，得到的誤差大小不同，讓小目标的誤差更大。
3、yolov2
1.Batch Normalization.
在網絡結構中使用了bn結構，可以移除dropout，在mAP中獲得了超過2%的改進。
2.High Resolution Classifier.
更高分辨率的分類器，采用了在ImageNet上以完整的448 × 448分辨率微調分類網絡10個epoch，這個高分辨率的分類網絡使我們的mAP增加了近4%。
3.Convolutional With Anchor Boxes.
使用了基于anchor的邊界預測框，在沒有錨框的情況下，模型獲得了69.5個mAP，召回率為81%。通過錨箱，模型獲得了69.2 mAP，召回率為88%。盡管mAP下降，但召回率的增加意味着模型有更多的改進空間。
4.Dimension Clusters.
在訓練集的邊界框上運作k-means聚類來自動找到好的先驗。
直接定位預測。當使用YOLO的錨框時，會遇到問題:模型不穩定，特别是在早期疊代期間。大部分的不穩定性來自于預測盒子的(x, y)位置。在區域提議網絡中，網絡會預測tx和ty的值，并且(x, y)中心坐标的計算方式為:x = (tx * wa)+xa y = (ty * ha)+ya。
通過對回歸坐标的限制：bx = σ(tx) + cx by = σ(ty) + cy bw = pwe^tw bh = phe^th Pr(object) ∗ IOU(b, object) = σ(t0)。t0為yolov1 中的confidence
使得每個anchor隻預測自己grid cell裡的目标。
5.Fine-Grained Features
把底層特征圖和高層特征圖融合，使得能更準确的檢測目标。
通過passthrough layer進行特征矩陣融合，passthrough通過減小一半尺寸，擴大4倍channel進行融合。
6.Multi-Scale Training.
原始YOLO的輸入分辨率為448 × 448。通過添加錨框，我們将分辨率更改為416×416。然而，由于模型隻使用卷積層和池化層，是以可以動态地調整大小。
每隔幾次疊代就改變網絡，而不是固定輸入圖像的大小。每10批我們的網絡随機選擇一個新的圖像次元大小。由于我們的模型向下采樣倍數為32，我們從32的以下倍數中提取:{320,352，…608}。是以，最小的選擇是320 × 320，最大的是608 × 608。根據這個次元調整網絡的大小，并繼續教育訓練。
7.dark-19
backbone使用dark-19。
8.yolov2模型
1個anchor預測4個坐标+1個confidence+20個類别分數
4.yolov3
1.backbone
使用darknet-53網絡提取特征資訊
2.anchors
一個anchor預測四個坐标一個confidence，和80個類别分數
3.多channel預測
在特征圖1上預測大目标，特征圖2上預測中等目标，特征圖3上預測小目标。
4.正負樣本
GT和Anchor Template重合IOU>0.3的算正樣本
5.損失計算
5.參考資料
霹靂吧啦Wz的個人空間_哔哩哔哩_Bilibili
You Only Look Once: Unified, Real-Time Object Detection
YOLO9000: Better, Faster, Stronger
YOLOv3: An Incremental Improvement