yolov1模型

目录

一、机器视觉算法

二、yolov1 预测阶段（向前推断）​

 三、预测阶段的后处理

---

（声明：本文章是在学习他人视频的学习笔记，图片出处均来自该up主，侵权删 视频链接：为什么要学YOLOV1_哔哩哔哩_bilibili）

一、机器视觉算法

yolo是解决目标检测问题的计算机视觉算法

计算机视觉能够解决很多问题 如图像分类 目标检测 图像分割

 分类：输入图像，输出图像中不同类别图像的类别

 检测：将不同类别的图像框选出来 并检测其类别

 分割： 将不同类别的图像通过抠图的形式 区分开来 

       分割也分为两种：1、语义分割（Semantic Segmentation） 2、实例分割（Instance Segmentation）

除了以上这些 计算机视觉还可以进行关键点检测 例如将人体的骨架的关键点识别出来或将人脸部的关键点识别出来（眼睛、鼻子、嘴巴...） 

 而目标检测是计算机视觉里一个非常重要的部分 yolo算法就是解决这个问题的

二、yolov1 预测阶段（向前推断）

输入的是448×448分辨率的彩色图片 ，通过一系列的卷积层最后得到了一个30维的7×7的矩阵

为什么最后输出的是7x7x30呢

 

在模型已经训练好的情况下  输入一个图像 yolo会将图像划分成7×7的网格（grid cell）

每一个grid cell还会分成 两个bounding box 

 

每个bounding box会生成一些信息，如中心点的x、y矩形框的h、w还有这个框的自信度，而grid cell也会生成一些信息，即假设该grid cell是不同物体的概率，是鸟的概率P（bird|Object）、是车的概率P(car|Object)等20个，自信度与不同的概率相乘，最高的那个就是yolo所推测出的物体类别。

好了，知道这些我们就可以进一步知道为什么预测阶段最后输出的是7x7x30，

7×7对应的是7×7个grid cell，而30对应的是一个grid cell中两个bounding box对应的x、y、w、h、c

各5个，加起来一共10个 grid cell的类别概率（class probability）有20个类别概率，这样就构成了7×7×30的tensor

 三、预测阶段的后处理

NMS非极大值抑制

 将第一个bounding box的确信值与20个类别条件概率相乘，就可以得到第一个bounding box类别全概率

   将第二个bounding box的确信值与20个类别条件概率相乘，就可以得到第二个bounding box类别全概率

49个grid cell有98个bounding box，就有98个 bounding box类别全概率

将98个全概率框选出来如下图，不同的颜色代表不同的种类，线条越粗代表概率越大 

再经过处理后就变成了这个样子

处理的具体过程，先将低于0.2的概率全部置为零，再将概率从高到低排列，最后再进行NMS处理就得到了最后的结果 

 

 那么NMS的实际又是怎么操作的呢

如图，首先将概率最高的（橙框）与所有比它低的依次进行IOU运算，若IOU的值大于设定的阈值，则将该概率置为0

比较完概率最高的后，再从概率第二高（蓝框）的与所有比它小的比较，若IOU大于阈值则小概率的（紫框）置为0，依次类推 

 

 最后将概率不为0的类别和它的概率读出，并框在图像上

四、训练阶段

先人为的圈出正确答案 

通过损失函数让机器给出的答案不断接近人为的答案      

YOLOv1的缺点：1、虽然识别速度很快但是识别率对比fast R-CNN、faster R-CNN这些两阶段的目标检测算法来说还是有一定缺陷 2、它的定位能力比较差 3、把全部目标全部检出的能力比较差4、识别小目标和密集目标的能力比较差