YOLO主页：https://pjreddie.com/darknet/yolo
1、Yolo与RCNN对比
Yolo是“看一眼”：直接在输出层回归bbox的位置和所属类别。
RCNN是“看两眼”：先提取候选框，再进行分类+回归
YoloV1与Faster RCNN等模型的比较：
2、YoloV1（2016年5月）
（2.1）V1网络结构
（2.2）Yolo核心思想
将一幅图像分成S x S个网格（grid cell），如果某个object的中心落在这个网格中，则这个网格就负责预测这个object。
每个网格会生成B个候选框（bbox），每个候选框预测x, y, w, h和confidence 5个值，每个网格预测一个类别C。
输出就是S x S x (5 x B + C)的一个tensor。举例说明：S=7，B=2，C=20，则tensor的大小为：7 x 7 x (5 x 2 + 20) = 1470。
（2.3）损失函数
预测坐标宽高使用了根号，是为了让偏移量变小，对小物体敏感。
不含object的box的confidence预测，加入权重参数（比如取0.1），是为了降低负例对loss的主导（负例比正例要多很多）。
（2.4）V1的不足
每个网格（Grid Cell）只预测一个类别，如果重叠无法解决。
小物体检测效果一般，长宽比可选但单一。
3、YoloV2（2016年12月）
YoloV2做了如下改进：
（3.1）V2改进1：Batch Normalization
V2版本舍弃了Dropout，卷积后全部加入Batch Normalization。
网络的每一层的输入都做了归一化，收敛相对更容易。
经过BN处理后的网络mAP提升了2%。
（3.2）V2改进2：更大的分辨率
V1训练时用的是224 x 224，测试时用的是448 x 448。V2训练时，先使用224 x 224训练，之后又进行了10轮448 x 448的训练。使用更大的分辨率mAP提升约4%。
（3.3）V2改进3：网络结构
DarkNet19，融合了vgg和resnet，实际输入为416 x 416；
核心网络取消了FC层；
5次降采样（32倍关系，特征图13 x 13），V1是7 x 7的网格，V2是13 x 13的网格；
1 x 1卷积减少了很多参数。
（3.4）V2改进4：聚类提取先验框
V1中一个网格只有两个先验框，与Faster RCNN的9个（3个scale，3个rate）相比太少了，很多小物体检测效果并不好。
V2中对COCO和VOC2007中的检测数据，使用kmeans进行了聚类，并根据K值与平均IOU形成的曲线，选定了K=5（K>5时，IOU上升缓慢），即V2中每个网格将产生5个先验框，框的尺寸都比较接近实际值。
在kmeans聚类时，没有使用欧式距离，而是使用1 - IOU计算距离，重合度越高距离越近：
增加先验框后，mAP降低了0.3个百分点，但召回率增加了7个百分点，漏检的减少了，让整体mAP的提升成为可能。
（3.5）V2改进5：相对偏移
V1直接进行偏移，如果偏移量较大，会导致收敛不好，模型不稳定，尤其是在刚开始训练的时候。
V2使用相对偏移（偏移量是相对于当前网格左上角坐标的），使用sigmoid函数将偏移量（预测值）规范到0-1之间，偏移不会偏出当前网格。下图中pw, ph表示先验框，tx, ty, th, tw表示偏移量，bx, by, bh, bw表示预测的box的坐标。偏移是在特征图中进行的，还原到原始图像需要乘以32。
（3.6）V2改进6：特征融合
最后一层的感受野太大了，小目标可能丢失，因此融合之前的特征。
关于感受野：
（3.7）V2改进7：多尺度
在训练时，使用多尺度，比如最初使用320 x 320，迭代iterations后，使用352 x 352，再迭代iterations后，使用608 x 608。
4、YoloV3（2018年一季度）
V3与其它网络速度对比：
（4.1）V3改进1：多尺度与特征融合
使用三个不同大小的特征图，特征图大小（scale）分别为13 x 13、26 x 26、52 x 52，分别预测大物体、中物体和小物体。
每个特征图对应三个先验框，所以V3共有9个先验框，先验框的尺寸也是聚类的结果（与V2类似），如下图所示：
在预测前进行特征融合，方式与FPN类似，参考下图理解：
（4.2）V3改进2：优化核心网络架构
Darknet19升级为Darknet53；
没有池化和全连接，全部使用卷积；
下采样通过stride=2实现；
3种scale，9个先验框；
基本上当下经典做法都融入了。
（4.3）V3改进3：softmax改进，预测多标签任务
物体检测任务中可能一个物体有多个标签。
5、YoloV4（2020年4月）
paper：https://arxiv.org/pdf/2004.10934.pdf
code：https://github.com/AlexeyAB/darknet
待续
