【初学者系列】目标检测算法YOLO原理解读

【导读】目标检测分两大门派：single-shot detectors以及two-stage detectors。前者注重检测的速度，后者注重检测的精度，当然后者所用的训练时间长。yolo属于前者，今天这篇文章带大家了解一下yolo的原理。

图一：yolo检测系统

01

原理解读

图二：yolo原理图

由图可以看出，yolo网络有24个卷积层和2个全连接层，其中，卷积层用来提取图像特征，全连接层用来预测图像位置和类别概率值。

图三：网络模型

YOLO将物体检测作为回归问题求解，它将输入图像分成SxS个格子，每个格子输出B个bounding box（包含物体的矩形区域）信息，以及C个物体属于某种类别的概率信息。Bounding box信息包含5个数据值，分别是x,y,w,h,和confidence。因此，YOLO网络最终的全连接层的输出维度是 S*S*(B*5 + C)

图四：yolo网络的输出的网格

其中，confidence表示：cell预测的bounding box包含一个物体的置信度有多高并且该bounding box预测准确度有多大，用公式表示为：

这里，我们再讨论一下yolo的损失函数。论文中损失函数定义为：

我在网上找了一些图片解释：

参考链接：

https://blog.csdn.net/gzs0927/article/details/78308786

并不是网络的所有输出都要计算loss，具体地说：

有物体中心落入的cell，需要计算分类损失，两个predictor都要计算置信度损失，预测的bounding box与groud truth IOU较大的那个predictor需要计算xywh损失。

最关键的部分，没有物体中心落入的cell，只需要计算置信度（confidence）损失。

原始论文地址：

https://arxiv.org/abs/1506.02640

-END-

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎登录www.zhuanzhi.ai，注册登录专知，获取更多AI知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），加入专知人工智能主题群，咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成！560+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程