目标检测算法YOLO3论文解读

论文题目：YOLOv3: An Incremental Improvement

论文地址：https://arxiv.org/abs/1804.02767

代码地址：https://github.com/aloyschen/tensorflow-yolo3

一、论文解读

1、bounding box prediction（边界框预测）

YOLO2预测bounding boxes是使用anchor boxes，这个网络为每个bounding box预测了4个坐标：tx、ty、tw、th，用（cx，cy）表示当前网格左上角坐标偏移图像左上角坐标的距离，用pw，ph表示先验框（piror）的宽和高，可以得到下面式子：

在训练期间，使用平方和误差（sum of squared error loss）。真值用表示，梯度就是真值减去预测值：。

YOLO3用logistic regression为每个bounding box预测一个分数。算法只为每个真值匹配一个最优的先验框。

2、多标签预测

每个bounding box可能含有多类物体，也就是多标签预测。所以用logistic（sigmoid）代替softmax，因为softmax表示每个框只有一类对象，而sigmoid可以预测多标签分类。那么如何用sigmoid来做多标签分类呢？其实就是针对logits中每个分类计算的结果分别作用一个sigmoid分类器，分别判定样本是否属于某个类别。在训练期间，使用二元交叉熵损失函数进行类别预测。

sigmoid多标签预测参考博客：https://blog.csdn.net/qq_32172681/article/details/97936956。

3、结合不同卷积层的特征，提取更细粒度的信息，做多尺度预测

YOLO3用3个不同的尺度预测boxes，网络采用类似特征金字塔的概念，从不同的尺度提取特征。在原先的基本特征提取器上新增了几个卷积层，最后用一个3维的张量表示bounding box、objectness和class predictions。在COCO中，在每个尺度上预测3个boxes，因此张量为N*N*[3*(4+1+80)]，分别对应4个bounding boxes、1个objectness prediction和80个class predictions。接下来，从前面的两个图层中提取特征图，并将其向上采样2倍。从早期的网络中获取一个特征图，并使用串联将其与上采样特征合并。这种方法允许我们从上采样的特性中获得更有意义的语义信息，并从早期的特性图中获得更细粒度的信息。然后再添加一些卷积层来处理这个组合的特征图，并最终预测一个类似的张量，尽管现在的大小是原来的两倍。再次执行相同的设计，以预测最终框的尺寸。在过去，YOLO难以预测小的物体，现在通过多尺度预测，明显改善。

4、网络结构（DarkNet53 = Darknet19 + ResNet）

结合残差思想，提取更深层次的语义信息。
仍然使用连续的3×3和1×1的卷积层。
通过上采样对三个不同尺度做预测。如将8*8的特征图上采样和16*16的特征图相加再次计算，这样可以预测出更小的物体。
采用了步长为2的卷积层代替pooling层，因为池化层会丢失信息。

如图所示：

5、预测更多目标

YOLO3仍然使用k-均值聚类来确定模板框，为每个网格预测9个bounding boxes（YOLO2只有5个、YOLO1只有2个），这样可以提高recall。

6、损失函数

在训练期间，使用二元交叉熵损失函数进行类别预测。YOLO v2损失函数的后三项是平方误差，而YOLO v3则更改为交叉熵误差项，也就是说YOLO v3的物品置信度和分离预测使用的是逻辑回归算法。

二、代码理解

1、构造残差块

2、darknet53网络结构，用于提取特征（使用了残差块）

3、yolo块（图中Convs）

yolo3在Darknet53提取的特征层基础上，又加了针对3种不同比例的feature map的block，这样来提高对小物体的检测率

4、构造yolo3模型结构，输出三种尺度的卷积层（conv2d_59, conv2d_67, conv2d_75）

5、目标检测模块，输出预测结果x,y,w,h,confidence,class_prob

根据不同大小的feature map做多尺度的检测（三种feature map大小分别为13x13x255, 26x26x255, 52x52x255）

6、之前输入图像时，按照长宽比缩放，对图像进行了填充，此处对box的坐标进行修正

7、损失函数（共4部分：框位置xy,wh,置信度confidence,类别class）

8、k-mean聚类算法（用于生成模版框）

9、对三个不同尺度的输出做非极大值抑制，得到最后物体检测框和预测类别

10、计算mAP，评价模型

目标检测算法YOLO3论文解读相关推荐

目标检测算法SSD论文解读
版权声明:本文为博主原创文章,遵循 CC 4.0 by-sa 版权协议,转载请附上原文出处链接和本声明. 原文链接:https://blog.csdn.net/jy001227801/article/ ...
CVPR2020论文分方向整理之检测篇_3D目标检测（代码/论文解读/136篇打包下载）
CVPR2020论文分方向整理之检测篇(代码/论文解读/136篇打包下载) 本周三,CVPR官方正式开放下载,极市第一时间将所有论文(共1467篇)进行了下载打包,详情见此处.为了方便大家进一步的学习 ...
【AAAI 2020】NAS+目标检测：SM-NAS 论文解读
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 最近冒出来很多 Neural Network Search (NAS) + 目标检 ...
三维目标检测新SOTA---ADFDetV2论文解读
问题本文提出了一种单阶段的三维目标检测算法,并在文中分析了二阶段三维目标检测算法的不必要性.其所提算法在waymo实时目标检测竞赛中取得了第一的成绩.其性能超过了所有单阶段和多阶段的目标检测算法. ...
cnn 句向量_深度学习目标检测Fast R-CNN论文解读
前言我们知道,R-CNN存在着以下几个问题: 分步骤进行,过程繁琐.Selective Search生成候选区域region proposal->fine tune预训练网络->针对每个 ...
目标检测：CenterNet论文解读及代码详解
论文思想当前anchor-based目标检测方法可分one-stage.two-stage两种.one-stage模型利用anchor机制得到大量的框,之后直接加入回归.分类分支对框进行分类与微调. ...
【lidar】3D目标检测PointPillars：论文解读、代码解读、部署实现（2）
PointPillars部署:TensorRT推理实现,下载地址:添加链接描述 PointPillars 高度优化的点云目标检测网络PointPillars.主要通过tensorrt对网络推理段进行了 ...
【lidar】3D目标检测PointPillars：论文解读、代码解读、部署实现（1）
Abstract 点云中的目标检测是自动驾驶等机器人应用中的一个重要方面.在本文中,作者思考了将点云编码成适合下游检测pipeline的格式问题.最近的文献提出了两种类型的编码器:固定编码器往往更快, ...
深度学习目标检测算法综述(论文和代码)
RCNN-→SPP Net-→ Fast RCNN-→ Faster RCNN-→ YOLO-→ SSD 思路是:a,生成候选框 b,CNN提取特征 c,分类网络 d,回归,位置精修(refine) ...
YOLO系列目标检测算法-YOLOv7
YOLO系列目标检测算法目录 - 文章链接 YOLO系列目标检测算法总结对比- 文章链接 YOLOv1- 文章链接 YOLOv2- 文章链接 YOLOv3- 文章链接 YOLOv4- 文章链接 Sca ...

目标检测算法YOLO3论文解读

二、代码理解

目标检测算法YOLO3论文解读相关推荐

最新文章

热门文章