參考：
yolo系列演算法是one stage思想的，即直接提取特徵來**物體的類別和位置。
其核心思想是輸入整個，提取特徵後直接進行回歸/分類。
**細節如下：
網路結構如下：
啟用函式：最後一層使用的是標準的線性啟用函式，其他的層都使用leaky relu 。
3.損失函式
由上一步可知，yolov1的損失分為3個方面，座標損失，置信度損失，分類損失，作者全部使用了mse作為損失函式，但如果直接相加的話，無法權衡8維座標（因為是2個bbox）損失和2維的置信度損失和20維的分類損失的重要程度。考慮到每個損失的貢獻率，作者給座標損失權重λco
ord}_}}}
λcoord
=5。又因為在一幅中，沒有目標的網格占多數，所給給沒有目標的置信度損失權重λno
obj}_}}}
λnoobj
=0.5，有目標的置信度損失為1。如下：
其中 1ij
obj=
}_^ = \left\ \right\}
1ijobj
=,表示第i個網格第j個bbox是否包含目標。1io
bj}_i^
1iobj
表示包含目標的第i個網格。對應到輸出tensor上如下圖：
注意到，對於分類損失，只有當網格包含目標時，才會計算，不包含目標時，分類全置為0，不參與運算，可參考吳恩達的相關課程。
注意到，座標損失中關於w和h，採用的是開根號的形式，對映到下面這張圖上。這時因為，對於不同大小的bbox，寬和高計算出的偏移量損失貢獻率是不一樣的，採用根號的形式，可以盡量減小對小bbox的敏感度。這樣子可以稍微平衡一下大bbox和bbox對損失的貢獻率。這樣子可以使得訓練波動更小一點。
總的來說，這樣設計損失函式可以讓座標，置信度，分類概率三者達到乙個較好的平衡。
但仍存在一些不足
yolov1的精度相對於其他網路還比較低。
1）batch normnization
2）相比於v1，採用了anchor box，把**類別的機制從空間位置(cell)中解耦，由anchor box同時**類別和座標。因為yolo是由每個cell來負責**類別，每個cell對應的2個bounding box 負責**座標（回想yolo中 最後輸出7730的特徵，每個cell對應1130，前10個主要是2個bounding box用來**座標，後20個表示該cell在假設包含物體的條件下屬於20個類別的概率，具體請參考 **yolo 的圖示） 。yolov2中，不再讓類別的**與每個cell（空間位置）繫結一起，而是讓全部放到anchor box中。下面是特徵維度示意圖（僅作示意並非完全正確）
在yolov1中，對每乙個網格，作者都設計了2個**框來**裡面的目標，這兩個框的產生是人為選擇的，大小的人為設定的。yolov2不用自定義anchor box的尺寸，而是在訓練集上對anchor box進行kmeans聚類，自動找到良好的anchor box 尺寸，作者設定anchor box數量為5。
傳統的kmeans演算法，採用歐氏距離最小原則來更新質心，但是對於本文來說，由於anchor box刻畫形式為（x1，y1，w，h），採用歐式距離的話，會導致大框比小框產生更多的誤差。所以，作者巧妙設計了用iou來度量這個距離公式。因為不同尺寸的anchor box 與ground truth 的iou值與anchor box的尺寸無關。公式如下
注意，在計算anchor boxes時，將所有boxes中心點的x，y座標都置為0，這樣所有的boxes都處在相同的位置上，方便我們通過新距離公式計算boxes之間的相似度，聚類只針對w和h,即以w和h為特徵維度的anchor box
d (b
ox,c
entr
oid)
=1−i
ou(b
ox,c
entr
oid)
d\left( }} \right) = 1 - iou\left( }} \right)
d(box,
cent
roid
)=1−
iou(
box,
cent
roid
)
由於待計算的anchor boxes的width和height都是相對於整張的比例，而yolov2通過anchor boxes得到最優的框座標時，座標是相對於網格邊長的比例（0到1之間），因此要將anchor boxes的width和height也轉換為相對於柵格邊長的比例。轉換公式如下：3）高解析度的分類器w=anchor_width * input_width / downsamples
h=anchor_height * input_height / downsamples
例如；卷積神經網路的輸入為416*416時，yolov2網路的降取樣倍率為32，例如k-means計算得到的乙個anchor
box的anchor_width=0.2,anchor_height=0.6,則：
w=0.2 * 416 / 32=0.2 * 13=2.6
h=0.6 * 416 / 32=0.6 * 13=7.8
參考：
在訓練物體檢測任務時，會使用在imagenet資料集上的預訓練模型作為特徵提取器，而這個預訓練模型，輸入的影象解析度通常在224x224而在訓練物體檢測任務時，需要的影象解析度要更高（原因是影象越大，物體越清晰，越容易檢測到物體），這樣會造成兩者的輸入影象尺寸不一致。在yolo v1中，作者先是在224x224大小的輸入影象上訓練檢測模型，然後將影象解析度提公升至448x448，在檢測資料集上finetune。
為了更好地適應解析度的差異，yolo v2選擇先在imagenet上finetune高解析度（448x448）的模型（10 epochs），然後再訓練檢測模型，這樣就「弱化」了分類模型和檢測模型在輸入影象解析度上的「不一致」。
Redis系列學習筆記3 雜湊
儲存多個域值對。乙個雜湊由多個域值對 field value pair 組成，雜湊的域和值都可以是文字 整數 浮點數或者二進位制資料。同乙個雜湊裡面的每個域必須是獨一無 二 各不相同的，而域的值則沒有這一要求，換句話說，不同域的值可以是重複的。通過命令，使用者可以對雜湊執行設定域值對 獲取域的值 檢...
Git系列學習（1） 基礎配置
一般在新的系統上，我們都需要先配置下自己的 git 工作環境。配置工作只需一次，以後公升級時還會沿用現在的配置。當然，如果需要，你隨時可以用相同的命令修改已有的配置。git 提供了乙個叫做git config的工具 譯註 實際是git config命令，只不過可以通過git加乙個名字來呼叫此命令。專...
目標檢測 YOLO系列v1 v2 v3
人類對於物體只需要看一眼就能知道該物體是什麼，在什麼位置，人類的視覺系統是非常快速而準確的，因此如果能夠加速演算法使得計算機系統也能夠快速而準確的話，就能夠代替人而實現無人駕駛。而目前的一些方法，rcnn系列的都是一套複雜的流程，首先生成一些可能的邊框區域，再對邊框進行分類，之後再修正邊框的位置，然...