| YoloV1 |
把图片划分为 $7\times 7$ 个格子 |
多个同一种目标 |
一个格子还是只能检测一个物体 |
|
NMS |
由于小格子太多了，算法得到了多个重复的检测框 |
|
|
|
多类目标 |
|
|
对于每个区域，我们用2个五元组(c,x,y,w,h)，一个负责回归大目标，一个负责回归小目标 |
优化小目标检测。 |
|
|
综上，$ output=30=5 \times 2(c_{big},x_{big},y_{big},w_{big},h_{big}, c_{small},x_{small},y_{small},w_{small},h_{small})+20 classes $ |
预测的框不准确：准确度不足；很多目标找不到：recall不足。 |
样本不均衡：没有计算背景的geo_loss，只计算了前景的geo_loss，这个问题YOLO v1回避了，依然存在。 |
| YoloV2 |
预测基于grid的偏移量和基于anchor的偏移量 |
首先会对这些值归一化，这是一个偏移量，且值很小，使得训练过程更加稳定，有利于神经网络的学习。 |
|
|
Anchor |
引入对识别对象的先验知识 |
|
|
分阶段的loss function |
前12800步我们会优化预测的(x,y,w,h)与anchor的(x,y,w,h)的距离+预测的(x,y,w,h)与GT的(x,y,w,h)的距离，12800步之后就只优化预测的(x,y,w,h)与GT的(x,y,w,h)的距离，为啥？因为这时的预测结果已经较为准确了，anchor已经满足我了我们了，而在一开始预测不准的时候，用上anchor可以加速训练。 |
|
|
小目标检测能力差 |
|
|
| YoloV3 |
检测头分成3个部分 $13 \times 13 \times 3 \times (4+1+80) $ $26\times26\times3\times(4+1+80)$ $52\times52\times3\times(4+1+80) $ |
因为32倍下采样每个点感受野更大，所以去预测大目标，8倍下采样每个点感受野最小，所以去预测小目标。专人专事。发现预测得更准确了，性能又提升了。 |
|
|
9个框？ |
|
|
|
多少个bounding box？$ (13\times13+26\times26+52\times52)\times3=10467(YOLO v3)>>845(YOLO v2)=13\times13\times5$ |
|
|
| YoloV4 |
Using multi-anchors for single ground truth |
改进检测头，相当于你anchor框的数量没变，但是选择的正样本的比例增加了，就缓解了正负样本不均衡的问题 |
|
|
Eliminate_grid sensitivity |
实际上之前的算法无法使框框取到grid里面的任意位置 |
|
|
$\mathcal{L}_{C I o U}=1-I o U+\frac{\rho^{2}\left(\mathbf{b}, \mathbf{b}^{g t}\right)}{c^{2}}+\alpha v $ |
👉改进过程详解 不断改进的IoU Loss 考虑了GT与Bounding Box的距离，重合面积，解决Bounding Box全包含GT的问题，加快了收敛速度 |
|
| YOloV5 |
自适应anchor |
之前anchor是固定的，自适应anchor利用网络的学习功能，让Anchor的$(x_A,y_A,w_A,h_A) $也是可以学习的 |
|
.jpg)
