zoukankan      html  css  js  c++  java
  • 读论文系列:Object Detection CVPR2016 YOLO

    CVPR2016: You Only Look Once:Unified, Real-Time Object Detection

    转载请注明作者:梦里茶

    YOLO detection system

    YOLO,You Only Look Once,摒弃了RCNN系列方法中的region proposal步骤,将detection问题转为一个回归问题

    网络结构

    • 输入图片:resize到448x448

    • 整张图片输入卷积神经网络(24层卷积+2层全连接,下面这张示意图是Fast YOLO的)

    CNN

    • 将图片划分为SxS个格子,S=7
    • 输出一个SxS大小的class probability map,为图片上每个格子所属的分类

    Model

    • 输出为每个格子输出B个bounding box,每个bounding box由x,y,w,h表示,为每个bounding box输出一个confidence,即属于前景的置信度

    于是输出可以表示为一个SxSx(B*(4+1)+C)的tensor,训练只需要根据数据集准备好这样的tensor进行regression就行

    • 对所有bounding box按照confidence做非极大抑制,得到检测结果

    训练

    Loss

    YOLO Loss Function

    • 前两行为定位loss,λcoord为定位loss的权重,论文中取5

    • 第三行为一个bounding box属于前景时的置信度回归loss,

      • 当格子中有对象出现时,真实Ci为1,
      • 1ijobj是一个条件表达式,当bounding box“负责(is responsible for)”图中一个真实对象时为1,否则为0,
      • 所谓“负责”,指的是在当前这个格子的所有bounding box中,这个bounding box与真实的bounding box重叠率最大
    • 第四行为一个bounding box属于背景时的置信度回归loss,

      • 为了避免负样本过多导致模型跑偏, λnoobj=0.5,
      • 1ijnoobj是一个条件表达式,为1ijobj取反
      • 于是我们可以发现一个格子的两个bounding box的分工:一个贡献前景loss,一个贡献背景loss ,不论是前景背景box,我们都希望它们的confidence接近真实confidence,实际上,如果 λnoobj=1, 第四五行可以合并为一项求和,但由于背景box太多,所以才单独拆开加了权重约束
    • 第五行为分类loss,1iobj是一个条件表达式,当有对象出现在这个格子中,取1,否则取0

    YOLO里最核心的东西就讲完了,其实可以把YOLO看作固定region proposal的Faster RCNN,于是可以省掉Faster RCNN里region proposal部分,分类和bounding box regression跟Faster RCNN是差不多的

    细节

    Leaky Relu

    网络中只有最后的全连接层用了线性的激活函数,其他层用了leaky Relu:f(x)=max(x, 0.1x)

    对比Relu和leaky Relu

    Relu

    Leaky Relu

    在x小于0的时候,用了0.1x,避免使用relu的时候有些单元永远得不到激活(Dead ReLU Problem)

    Fast YOLO

    卷积层更少,只有9层卷积+2层全连接,每层filters也更少,于是速度更快

    实验效果

    • 对比当前最好方法:

    SOA

    Fast YOLO速度最快,准确率不太高,但还是比传统方法好,YOLO则比较中庸,速度不慢,准确率也不太高,但也还行。

    • 再看看具体是在哪些类型的图片上出错的:

    Error Analysis

    主要是定位不准(毕竟没有精细的region proposal),但是在背景上出错较少(不容易把背景当成对象)

    缺点

    • 固定的格子是一种很强的空间限制,7x7的格子决定了整张图片最多预测98个对象,对于对象数量很多的图片(比如鸟群)无能为力
    • 难以泛化到其他形状或角度的物体上
    • 损失函数没有考虑不同尺寸物体的error权重,大box权重和小box权重一样

    Summary

    Anyway,YOLO结构还是挺优雅的,比Faster RCNN黑科技少多了,更重要的是,它是当时最快的深度学习检测模型,也是很值得肯定的。

  • 相关阅读:
    智能安全实验室-全能优化(Guardio) 3.8.0.460:紧急修复功能列表点击“导出(/列表)”出现错误的问题
    Guardio全能优化3.2.0.400
    智能安全实验室-全能优化(Guardio) 3.8.0.482:修正部分错误
    智能安全实验室-Defendio杀马2.4.0.420-实时防护-内存防护、新浏览器导航界面
    智能安全实验室-杀马(Defendio) 2.3.0.409 :任务计划,用户可以定时对指定目标进行扫描、智能更新等
    微软同步框架入门之五使用WCF同步远程数据
    微软同步框架入门之四冲突(Conflict)检测和处理
    小A是支枪,子弹未打光之"步枪"篇
    微软同步框架入门之三分析生成的同步类文件
    微软同步框架入门之二增量和修改同步方式
  • 原文地址:https://www.cnblogs.com/hellocwh/p/8695294.html
Copyright © 2011-2022 走看看