1.学习哔哩哔哩《YOLOv1、YOLOv2、YOLOv3目标检测算法原理与实战》

炮哥带你学视频链接

第3章 YOLOv2目标检测算法原理

3.1 YOLOv2算法原理先导

3.2 YOLOv2算法背景介绍

YOLOv2（YOLO9000），预测更准确，速度更快，识别物体更多

3.3 YOLOv2模型改进点

1.加入BN层
2.在分类训练的时候用更高分辨率的图片（448x448），原来用224x224的训练
3.去除全连接层，用卷积层进行输出，用预选框（锚框）进行预测
4.采用新的网络架构Darknet-19
5.用K-means聚类算法找合理的一组anchor
6.用sigmoid进行位置预测
7.passthrough网络模型的连接方式（类似ResNet）
8.多尺度的输入数据训练模型
9.采用更高分辨率的网络进行检测主干网络的训练

3.4 添加BN层

不加BN层的时候，可能小数值的x1更重要，那么更新的时候w1要变大，更新的比较慢，不容易找到最低点。加入BN层之后，更容易找到最低点

3.5 更高分辨的检测模型

YOLOv1在训练的时候分为两个阶段，第一阶段分类训练用的是224x224的数据，第二阶段检测的时候再用448x448

YOLOv2在第一阶段的时候先用224x224训练160轮，再用448x448训练10轮，第二阶段多尺度训练160轮

3.6 全卷积和anchor框的添加

全卷积和anchor框对mAP值有所下降，但是对Recall召回率（目标有没有找全）有所上升

全卷积改造：
1.全连接层参数太多，直接去掉全连接
2.去掉最后一个最大池化层，让卷积层输出更高分辨率
3.用416x416代替448x448，使最后的输出变成13x13，而不是14x14是因为训练集的目标物体通常在中心，为了减少检测框的中心落在小方格四个角的中心的概率
4.14x14x30改成13x13x225,225=九个检测框x（x，y，w，h，c，20p）

anchor框改造：在预选框的基础上去预测真实检测框，收敛会更快

3.7 DarkNet19网络

分类模型：
1.精度和速度都有所提升
2.由于没有全连接层，所以对输入特征图的大小没有特殊规定（如果是全连接层，图片大会导致参数急剧增加，而1x1的卷积核做的只是通道之间的信息融合，宽和高不影响它）

检测模型：去掉分类模型中的最后一层卷积层和池化层，加一层1x1xn的卷积层，n主要取决于想要输出多少类结果

3.8 聚类寻找anchor框

3.9 改进聚类寻找anchor框

虽然k值越大分得越细，差距也越小，但是不能设置太多的anchor boxes

3.10 直接位置预测

anchor框，也称预选框、锚框、先验框

这种确定预测边界框的方式，由于d值大小不稳定，有可能使边界框跟先验框相比，偏离较大尺寸

x，y坐标沿用YOLOv1，w，h用缩放的方式

3.11 Passthrough

把特征图拆成小的特征图，然后跟卷积后的特征图通道做一个concat的操作

3.12 多尺度训练

利用不同分辨率的图片作为模型输入来训练模型，使模型精度提高，鲁棒性更加强

小尺寸的数据mAP比较小（精度比较差），但是FPS比较大（速度快）

3.13 更高分别率图像的检测输入

第一阶段：分类模式：在ImageNet分类数据集上预训练Darknet-19，输入为224X224
第二阶段：分类模式：在ImageNet数据集上finetune分类模型（微调），输入为448x448
第三阶段：检测模式：在检测数据上finetune网络

3.14 YOLOv2的损失函数

3.15 YOLOv2的背景置信度损失

第一项误差：先判定每一个预测框和所有标注框的IOU，如果小于0.6，就计算无物体的置信度误差

第二项误差：前12800步都要计算，让训练前期的预测框快速学习anchor框的形状

3.16 YOLOv2的有物体的损失值计算

第三项误差：计算有物体的预测框各部分的损失总和，包括坐标损失、置信度损失、类别损失

3.17 YOLOv2算法总结

优点：
1.缓解YOLOv1中定位不准确和检测召回率较低的问题
缺点：
1.小目标检测效果较差
2.整体检测效果有待提高