目标检测（五）之YOLOv1

本文主要是介绍目标检测（五）之YOLOv1，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一、论文相关信息

  1.论文题目

    You Only Look Once

  2.论文时间

    2015年

  3.论文文献

     论文文献

  4.论文源码

     pytroch

二、论文背景及简介

    2015年，Fast RCNN改正了RCNN，大幅度提高了精度和速度，尽管如此，Fast RCNN也只能做到0.5 FPS，难以用在实时检测中。当时，目标检测实时检测领域，SOTA为DPM，可以达到30 FPS、mAP 26.1 ( 100 FPS、mAP为16.0），精度太低。这是，YOLO出世，将目标检测视为回归问题，借助一个卷积网络，直接得到一张图片中所有的目标种类以及定位，end to end的优化方法，使得网络达到了 45 FPS、 mAP 63.4，且Fast YOLO版本达到了155 FPS、mAP 52.7。这虽然达不到Fast RCNN的精度，但可以实现实时检测，且作者通过比较，测得Faster RCNN在18 FPS时，精度只有62.1。

三、知识储备

   1、YOLOv1的思想

     YOLO v1使用一个神经网络就获得所有的目标以及定位信息，他是怎么做到的呢？
     YOLO 将输入图片划分为S * S个栅格，如果一个物体的中心落到某个栅格中，那么这个栅格就负责检测这个物体。作者假设每个栅格可以检测B个物体。一个栅格需要预测的信息如下：

• B个检测框，每个检测狂包含物体框中心相对其所在网格单元格边界的偏移（一般是相对于单元格左上角坐标点的位置偏移，以下用x，y表示）和检测框真实宽高相对于整幅图像的比例（注意这里w，h不是实际的边界框宽和高）且x，y，w，h，confidence都被限制在区间[0,1]。
• 每个框的Confidence，这个confidence代表了预测框含有目标的置信度和这个预测框预测的有多准2重。信息置信度confidence值只有2种情况，要么为0（边界框中不含目标，P(object)=0），要么为预测框与标注框的IOU，因为P(Object)只有0或1，两种可能，有目标的中心落在格子内，那么P(object)=1，否则为0，不存在（0，1）区间中的值。
• 每个格子预测一共C个类别的条件概率分数，并且这个分数和物体框是不相关的，只是基于这个格子。

     那么网络就会输出一个 S * S * (5 * B + C)的一个矩阵。
     作者通过confidence * 条件概率得到每一个类的置信度。
     经过NMS后，得到最终的结果

四、test阶段

假设在论文实现的模型中，S=7, B = 2, C = 20，因此最后的输出为7 * 7 * （5 * 2 + 20），一些细节将会在下文进行介绍

• 输入一张图片
• 经过一个卷积网络的到7 * 7 * 30的矩阵
• 将该矩阵检测出来的目标框放入NMS中，得到最后的结果

五、train阶段

YOLOv1 为 one-stage模型，一步优化即可，十分简单。
下文将会对其细节进行讲解

  1、Loss的确定

     损失函数的设计目标就是让坐标（x,y,w,h），confidence，classification 这个三个方面达到很好的平衡。
    sum-squared error loss 会让所有的loss的加权一致，因此简单的全部采用了sum-squared error loss来做这件事会有以下不足：

• 会使分类和定位的Loss权重相等，但不包含物体的框太多，不带物体的框的confidence = 0，对网络loss的贡献远大于带物体的检测框，这会使网络发散。作者给定位和分类分配了权重，其中给定位权重为5，分类权重为0.5
• 会给大box和小box分配相同的权重，因为我们知道小box对小的偏差更加敏感，偏离一点会使结果影响更多，因此应该赋予更大的加权。作者通过在计算loss时使用w，h的平方根来解决这个问题。
       因此最后的loss为：（仔细分析还是可以看的出来的）
  

六、实验结果

七、论文细节与思考

  1、YOLO相比于RCNN系列对背景分类错误的更少，可以配合Faster RCNN一起使用

     因为RCNN只能看得到图片的一部分，不能看到更大的上下文，因此相比于YOLO，会在背景上有更多的错误。因此在Faster RCNN预测出目标框后，在经过YOLO可以减少Faster RCNN的错误率，作者通过这个方法，提高了Faster RCNN的3.2的精度

八、论文优缺点

  优点

• YOLO更加快，可以应用于实时场景，可以达到45FPS
• YOLO可以鲁棒性更好，通用性强，对其他不相关的物体预测依旧很好。
• 背景误检率低。YOLO在训练和推理过程中能‘看到’整张图像的整体信息，而基于region proposal的物体检测方法（如rcnn/fast rcnn），在检测过程中，只‘看到’候选框内的局部图像信息。因此，若当图像背景（非物体）中的部分数据被包含在候选框中送入检测网络进行检测时，容易被误检测成物体。测试证明，YOLO对于背景图像的误检率低于fast rcnn误检率的一半。

  缺点

• YOLO仍然是一个速度换精度的算法，目标检测的精度不如RCNN
• 和基于region proposal的方法相比召回率较低。

这篇关于目标检测（五）之YOLOv1的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---