YoloV2

1. 动机

YOLOv2 和 YOLO9000重点解决YOLOv1召回率和定位精度方面的不足。YOLOv2 是一个先进的目标检测算法，比其它的检测器检测速度更快。除此之外，该网络可以适应多种尺寸的图片输入，并且能在检测精度和速度之间进行很好的权衡。相比于YOLOv1是利用全连接层直接预测Bounding Box的坐标，YOLOv2借鉴了Faster R-CNN的思想，引入Anchor机制。利用K-means聚类的方法在训练集中聚类计算出更好的Anchor模板，大大提高了算法的召回率。同时结合图像细粒度特征，将浅层特征与深层特征相连，有助于对小尺寸目标的检测。

YOLO9000 使用 WorldTree 来混合来自不同资源的训练数据，并使用联合优化技术同时在ImageNet和COCO数据集上进行训练，能够实时地检测超过9000种物体， YOLO9000 的主要检测网络还是YOLOv2。

2.方法概要

  • 加BN
  • 加Anchor

    • 最新两阶段目标检测算法_深度学习

  • 具体来说,c_x，c_y是一个0-1的量，是grid的yo lo格式的坐标，然后\sigma(t_x), \sigma(t_y)是目标的bbox在yo lo格式下的中心距离grid中心的偏移量预测, \exp^{t_w}h和\exp_{t_h}就是一种伸缩度吧，把anchor伸缩一下。这里加sigmoid和Exp函数说是想让收敛的更好一点。

    • 最新两阶段目标检测算法_pytorch_02

  • kmeans聚类得到anchor：这一步没啥意思，就是想让训练过程中使用的base- anchor更符合物体的需求，不要像传统的anchor随便给。这个base给的好，训练时就容易收敛，即便将来测试集和训练集差的比较大，也能够通过这个基于统计得来的base- anchor给出一个说得过去的结果。具体方法如下：
  • 拿到GT标注和随机初始化的anchor们，然后去把GT的所有bbox和随机初始化的anchor们计算distance（distance=1-IOU（anchor们，GT们）），然后把每个GT分配到distance最近的那个anchor下，这样就把数据集中所有的物体给划分成几簇了，这个划分过程是类别无关的，划分完后，在每个簇下面，再次计算这堆bbox的whd的均值，这就是GT们最终要用的base- anchor的形状。
  • Fine Grained Feature: 细粒度特征，可理解为不同层之间的特征融合。YOLOv2通过添加一个Passthrough Layer，把高分辨率的浅层特征连接到低分辨率的深层特征（把特征堆积在不同Channel中）而后进行融合和检测。具体操作是：先获取前层的26×26的特征图，将其同最后输出的13×13的特征图进行(采样)连接，而后输入检测器进行检测（而在YOLOv1中网络的FC层起到了全局特征融合的作用），以此来提高对小目标的检测能力。

    • 最新两阶段目标检测算法_神经网络_03

3.细节或注意事项

没啥了，另外将YOLOv1网络的FC层和最后一个Pooling层去掉，使得最后的卷积层的输出可以有更高的分辨率特征。用的是1x1的conv和global avg pooling做的后面这块。

4. 评价

  • 看起来都是优点了哈，感觉没啥算法上可以改的点了，看后面YOlov3怎么编。