yolo 是现在常用的目标检测模型,大家知道他们之间的区别嘛?
1 一些概念或者细节
yolo v1 : 最后两层是全连接层层,之后的 yolo 版本是全卷积层。
滑窗、区域选择是不同的。yolo 是用的区域选择。
Iou: intersection over union 交并比,是一个非常重要的衡量指标。
Iou、1-IoU 可以做为
Iou = 交集 / 并集
物体的中心点落在哪个格子里,就用哪个格子做预测。但预测阶段不需要使用中心点。
NMS 非极大抑制 概念
NMS 即 non maximum suppression 即非极大抑制,顾名思义就是抑制不是极大值的元素,搜索局部的极大值。在最近几年常见的物体检测算法(包括rcnn、sppnet、fast-rcnn、faster-rcnn等)中,最终都会从一张图片中找出很多个可能是物体的矩形框,然后为每个矩形框为做类别分类概率。
Objects as Points 不需要 NMS
anchor free 概念
1.目标检测算法一般可分为 anchor-based、anchor-free、两者融合类,区别就在于有没有利用 anchor 提取候选目标框。
B. anchor-free类算法代表是CornerNet、ExtremeNet、CenterNet、FCOS等
2 yolo v1 缺点
缺点:
- 召回率低
- 出现很多定位不准的地方
yolo v1 的损失函数
解释:包含两个部分
1)位置准不准(坐标准不准,宽高准不准)
2)类别准不准
让不含 object 的 box 的 confidence 影响小一点。
3 yolo v2
相对于 yolo v1 最大的变化,是使用了anchor box
增加 anchor 准确率下降,但是召回率上升不少。
融合。
passthrough 了解一下即可。
4 yolo v3
总共 100 多层
PS: 下图中的数字是指网络的层的序号。
5 yolo v4
没什么创新,是 CV 技术的大杂烩,但是效果好。
可以用来复习、检验自己的 CV 技术。
公众号:关注【哥妞】,了解技术,学会泡妞~
个人博客:http://www.geniu.net/