目标检测yolo系列-yolo v3(2018年)

Posted 2021-09-03 超级无敌陈大佬的跟班

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了目标检测yolo系列-yolo v3(2018年)相关的知识，希望对你有一定的参考价值。

YOLOv3

1、网络结构图

备注：图参考自另一位作者文章

resnetblock块(绿色)：由若干个残差单元串联;
res_unit残差单元(红色)：由两个卷积单元和一个shortcut链接组成;
DBL卷积单元(橙色)：一个卷积核后面加BN和leaky-relu组成；

yolo v3结构：

输入尺寸：416*416*3，主干网络：使用Darknet-53，检测头：由3个检测分支的FPN结构组成，分别为原图下采样8、16、32倍。
feature map的每个单元格有3个尺度的anchor;
每个bbox维度为85，由4个坐标,1个confidence，80类别概率组成；

2、yolov3边框回归

2.1 anchor的尺寸

下采样32倍(13*13)特征图：每个cell的三个anchor boxes为(116 ,90),(156 ,198)，(373 ,326)。
下采样16倍(26x26)特征图：适合一般大小的物体，anchor boxes为(30,61)， (62,45)，(59,119)。
下采样8倍(52x52)特征图：感受野最小,适合检测小目标，因此anchor boxes为(10,13)，(16,30)，(33,23)。
所以当输入为416×416时，实际总共有(52×52+26×26+13×13)×3=10647个proposal boxes。

下面是通过图片实际感受一下9种先验框的尺寸，图中蓝色框为聚类得到的先验框。黄色框式ground truth，红框是对象中心点所在的网格。下面分别是三个尺寸feature map

2.2 边框回归

网络学习的参数：bbox的偏移量和尺度缩放四个值；注意：这里的偏移量是anchor框的中心点相对于单元格左顶点的偏移量。
：anchor框的中心点相对于单元格左顶点的偏移量；
sigmoid函数原因：将偏移量tx和ty通过sigmoid函数缩放到(0,1)范围,即。是为了使anchor框始终在单元格内，防止偏移距离太远(如果没有sigmoid函数，tx大于1时anchor框就会偏移出当前单元格)。
Cx、Cy：分别为当前单元格cell左顶点距离feature map的x轴距离和y轴距离；
Pw、Ph：默认anchor框的宽度和高度值(这些值应该都是指在feature map上的坐标位置，最后再乘以比例缩放到原图)；
bx,by,bw,bh：默认anchor框经过回归矫正之后的位置；
边框回归计算公式：

yolo v3创新点

1. 性能更强的新网络结构：DarkNet-53

DarkNet-53 结构

将 256x256 的图片分别输入以 Darknet-19，ResNet-101，ResNet-152 和 Darknet-53 为基础网络的分类模型中，实验得到的结果如下图所示。可以看到 Darknet-53 比 ResNet-101 的性能更好，而且速度是其 1.5 倍，Darknet-53 与 ResNet-152 性能相似但速度几乎是其 2 倍。注意到，Darknet-53 相比于其它网络结构实现了每秒最高的浮点计算量，说明其网络结构能更好的利用 GPU。

2. FPN.利用多尺度特征进行对象检测

YOLOv3 借鉴了 FPN 的思想，从不同尺度提取特征。相比 YOLOv2，YOLOv3 提取最后 3 层特征图，不仅在每个特征图上分别独立做预测，同时通过将小特征图上采样到与大的特征图相同大小，然后与大的特征图拼接做进一步预测。用维度聚类的思想聚类出 9 种尺度的 anchor box，将 9 种尺度的 anchor box 均匀的分配给 3 种尺度的特征图 .

3. 用逻辑回归Logistic替代 softmax 作为分类器

在实际应用场合中，一个物体有可能输入多个类别，单纯的单标签分类在实际场景中存在一定的限制。举例来说，一辆车它既可以属于 car（小汽车）类别，也可以属于 vehicle（交通工具），用单标签分类只能得到一个类别。因此在 YOLO v3 在网络结构中把原先的 softmax 层换成了逻辑回归层，从而实现把单标签分类改成多标签分类。用多个 logistic 分类器代替 softmax 并不会降低准确率，可以维持 YOLO 的检测精度不下降。