交大荣昶笔记#2 | YOLO
2 Stage Detection 筛选 + 滑动窗口分类 计算慢 YOLO: You Only Look Once 仅使用一个CNN网络,速度快 在一次CNN计算中,直接从原始图像上预测物体类别和位置边界框 Step1: 划分单元格 将输入图像分割成 S * S 网格 如果某个object的中心落
2 Stage Detection#
筛选 + 滑动窗口分类
计算慢
YOLO: You Only Look Once#
仅使用一个CNN网络,速度快
在一次CNN计算中,直接从原始图像上预测物体类别和位置边界框
Step1: 划分单元格#
- 将输入图像分割成 网格
- 如果某个object的中心落在这个单元格中,则这个单元格负责预测该object 也就是说,一个包含目标的网格中有且仅有一个单元格负责预测,而不是全部用来预测
Step2: 每个单元格预测#
需要预测:
- Bounding Box: 边界框坐标
- Confidence: 置信度
- Class: 类别
Bouding Box#
使用归一化,确保不同尺寸的物品的Bounding Box大小接近
Confidence#
每个box都有一个置信度
其中 是含有目标的可能性,IOU(interseection over union) 为预测框与实际框的交并比
置信度的计算结果必定为一个0到1的值
分类#
每一个单元格预测 个类别概率
整体框架#
输入图像,图像被处理为 的网格结构
则最后有 其中:
- 表示每个box需要预测4个坐标值和1个置信度
- 表示类别数
NMS 非极大值抑制算法#
解决一个目标被多次检测的问题
- 找到置信度最大的框
- 计算与剩余框的IOU
- 如果IOU大于阈值即重合度过高,删除该框
- 寻找置信度第二高的框,重复2-3,直到处理完所有框
评估方法 mAP#
| 预测\实际 | 正例 | 负例 |
|---|---|---|
| 预测为正例 | TP | FP |
| 预测为负例 | FN | TN |
- Precision(查准率)
- Recall(查全率)
- 二者往往此消彼长
F1-Score#
F1分数是精确率(Precision)和召回率(Recall)的调和平均值:
mAP (mean Average Precision)#
mAP计算步骤:
-
对每个类别:
- 按照置信度从高到低排序所有预测框
- 计算每个预测框对应的Precision和Recall
- 绘制PR曲线(Precision-Recall曲线)
- 计算PR曲线下的面积,即AP(Average Precision)
-
对所有类别的AP取平均,得到mAP:
其中n为类别数量
mAP越高说明检测效果越好,是目标检测中最常用的评估指标。