yolo三剑客

yolo=you only look once

一个非常常用的目标检测算法

现在有5个版本，前三个由yolo之父Joseph Redmon领衔的研究人员研发。yolov3提出后不久，Joseph Redmon宣布退出CV界。故后两个版本均有另外的人研发。

yolov1

优缺点

优点：

1.速度快，性能优于其他检测方法，包括DPM和R-CNN。

YOLO在训练和测试期间看到整个图像，因此它隐式地编码有关类及其外观的上下文信息。Fast R-CNN是一种顶级检测方法，它会将图像中的背景补丁误认为是物体，因为它看不到更大的背景。与Fast R-CNN相比，YOLO犯的背景错误不到一半。

缺点：

精确度不高，虽然它可以快速识别图像中的物体，但它很难精确定位某些物体，尤其是小物体。

由于模型从数据中学习预测边界框，因此很难将其推广到具有新的或不寻常的长宽比或配置的对象

算法流程

算法将输入图像划分为S×S网格。如果物体的中心落入网格单元，该网格单元负责检测该物体。每个网格单元预测B个边界框和这些框的置信度分数。这些置信度分数反映了模型对盒子包含对象的置信度，以及它认为盒子预测的准确性。

在形式上，我们将置信度定义为
$$
Pr(物体)*IOU^{truth}_{pred}
$$
每个边界框由5个预测组成：x、y、w、h和置信度。

x，y坐标是预测框的中心坐标。w、h是预测框的宽度和高度。最后，置信度预测表示预测框和任何实际框之间的IOU。每个网格单元还预测C条件类概率$Pr（Class_i | Object）$。这些概率取决于包含对象的网格单元。

网络结构

网络结构基于 GoogLeNet。


Fast YOLO使用的神经网络具有较少的卷积层（9层而不是24层）和较少的滤filter。除了网络的大小之外，YOLO和Fast YOLO之间的所有训练和测试参数都是相同的。

为了避免过拟合，使用了Dropout 和数据增强（原始图像20%的随机缩放和旋转、在HSV上将曝光度和饱和度乘以若干不高于1.5的倍数）

与其他目标检测算法的对比

yolov2

又叫yolo9000，因为可以对9000个类别识别。

改进之处

增加了BN层

增加了分辨率

使用了anchor

使用Kmeans选择anchor

anchor的思想来自于Fast-RCNN。anchor是从数据集中统计得到的(Faster-RCNN中的Anchor的宽高和大小是手动挑选的)。

yolov3

改进之处

网络结构发生变化

softmax->交叉熵：

YOLO v3使用多标签分类，用多个独立的logistic分类器代替softmax函数，以计算输入属于特定标签的可能性。在计算分类损失进行训练时，YOLO v3对每个标签使用二元交叉熵损失。