物体检测丨浅析one-stage detector「YOLOv1、v2、v3、SSD」 (2)

YOLOv1虽然检测速度快，但检测精度不如RCNN，YOLOv1定位不够准确，召回率也低。于是YOLOv2提出了几种改进策略来提升YOLO模型的定位准确度和召回率，并保持检测速度。

Better

Batch Normalization：加快收敛并起到正则化效果，防止过拟合。

High Resolution Classifier：在ImageNet数据上使用\(448\times448\)输入来finetune。

Convolutional With Anchor Boxes：借鉴Faster R-CNN中RPN的anchor boxes策略，预测offset而不是coordinate。

Dimension Clusters：采用k-means来替代人工选取anchor。并使用下式来度量距离。

\[d(box,centroid)=1-IOU(box, centroid)\]

Direct location prediction：改变了预测bbox的计算公式

Fine-Grained Features：小物体需要更精细的特征图。采用passthrough层将高分辨率特征concat低分辨率特征，类似于ResNet。

Multi-Scale Training：每隔10batch，网络随机选择新的图像尺寸。

Faster

Darknet-19

Training for classification

Training for detection

Stronger

Hierarchical classification

Dataset combination with WordTree

Joint classification and detection

网络架构

实验结果

YOLOv3

YOLOv3: An Incremental Improvement

核心思想

Bounding Box Prediction：和v2一样使用聚类来获得anchor并预测bbox坐标。

Class Prediction：不使用softmax，使用二元交叉熵进行类别预测。

Predictions Across Scales：跨尺度预测，类似FPN使用3个尺度，预测为\(N\times N\times[3*(4+1+80)]\)，4个box offsets、1个obj prediction和80个类prediction。

Feature Extractor：Darknet-53，加入了Residual。

网络架构

实验结果

参考

paper

[1]Redmon J, Divvala S, Girshick R, et al. You only look once: Unified, real-time object detection[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2016: 779-788.

[2]Liu W, Anguelov D, Erhan D, et al. Ssd: Single shot multibox detector[C]//European conference on computer vision. Springer, Cham, 2016: 21-37.

[3]Redmon J, Farhadi A. YOLO9000: better, faster, stronger[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2017: 7263-7271.

[4]Redmon J, Farhadi A. Yolov3: An incremental improvement[J]. arXiv preprint arXiv:1804.02767, 2018.

blog

目标检测|YOLO原理与实现

目标检测|YOLOv2原理与实现(附YOLOv3)

目标检测|SSD原理与实现

你真的读懂yolo了吗？

artifical-intelligence

【YOLO】yolo v1到yolo v3

What do we learn from single shot object detectors (SSD, YOLOv3), FPN & Focal loss (RetinaNet)?