20220526 yolov1-v5

you only look once

一、FasterRcnn 先实现感兴趣区域生成，再进行精细的分类和回归，限制了速度。
二、yolov1 无锚框预测
     1、网络结构
         卷机神经网络
         24个卷机层和两个全连接层。
         细节：

            3*3卷机后接一个通道数低的1*1卷机，降低计算量
            都是激活函数 leaky relu ,最后是线性激活函数

            训练使用dropout与数据增强来防止过拟合。

2、特征图意义

7*7*30 大小的特征图。

图像划分成7*7的区域，每个区域对应特征图的一个点，该点通道数为30，代表预测的30个特征。

每个区域内预测两个边框。

     预测特征由类别概率、边框的置信度、边框位置组成。
         1》类别概率：预测边框是哪个类别。
         2〉置信度：该区域内是否包含物体的概率。两个框，两个置信度。

        3》边框位置：中心坐标和宽高4个量。 两个边框8个值

       细节：
           1〉yolov1没有先验框，每个区域预测框的大小和位置，是回归问题。
          2》两个边框公用一个类别预测。在训练时选取和物体iou大的框。在预测时，选取置信度高的一个框，所以最多检测出49个物体。
          3》采用物体类别和置信度分开预测方法。而fasterrcnn背景当作一个类别，在类别预测中包含了置信度的预测。

        不足：

           1》只能49，有限制，挨着近的不行
           2〉没有anchor,对于新的宽高比例的物体检测效果不好。
           3》损失函数，大小物体损失占比失衡，定位不准确。
   3、损失计算
      原则：

      1、与真实物体 iou大的为正样本，这个区域类别真值为真实物体类别，该边框置信度真值为 1
      2、除了正样本，其余为负样本.负样本没有类别损失和位置损失，只有置信度损失，其真值为0
     损失意义：  均使用均方差损失
     1、正样本中心点坐标损失
     2、正样本宽高损失
     3、正样本与负样本的置信度损失。
     4、正样本类别损失

三、yolov2依赖锚框

        使用darknet网络结构。
        darknet优化点：

          1、BN层：解决梯度消失和爆炸问题。加速收敛、正则化。在每个卷机之后，激活函数之前。leakey relu
           2、用连续的3*3 替代v1的7*7卷机，减少计算量，增加了网络深度。去掉全连接和dropout层。

       3、深浅层特征融合，浅层变化13*13*2048，和深层13*13*1024的特征通道拼接。利于小物体检测。
       4、每个区域预测5个边框，每个边框有25个预测值，分别20个类别预测、4个（中心xy,宽高wh）偏移量位置、1个置信度。v1是共享类别预测。


      先验框设计
         1、v2使用聚类
         2、优化偏移公式
         faster rcnn 预测的边框中心可以出现在图像任何位置，没有限制。

      正负样本和损失函数
        将预测的位置偏移量作用到先验框上，得到预测框的真实位置。

        如果一个预测框和所有真实物体的最大iou小于一定阈值，该预测框为负样本。
        真实物体中心点的区域和物体的iou最大预测框为正样本。
        保证recall

      损失计算：

        1、负样本的置信度损失
        2、先验框和预测框的损失
        3、正样本的位置损失
        4、正样本的置信度损失和类别损失。
 

  工程技巧：

     1、多尺度训练
         接受任意尺寸的输入图片。

      2、多阶段训练
         darknet分类.  224*224
         分类。448*448
         检测  darknet passthrouth
 优点： 先验框、特征融合

v2不足：

  1、虽然采用passrhrouth 采用一层特征图融合，小物体检测有限
  2、太工程话，调参数太多


五、yolov3 多尺度与特征融合
  1、网络结构darknet-53
      DBL:卷机、BN、leaky relu
      Res
      上采样
      concat
      残差思想
      多层特征图
      无池化层
 2、多尺度预测

    输出三个尺度特征图，深层感受野大，有利于大物体，浅层有利于小物体。 类似FPN

    沿用预选框，聚类，9个不同大小宽高的先验框，每个特征图的一个点需要预测3个框。感受野大的使用大的anchor.

  优缺点：

    优点：速度快、通用强、背景误检率低。
    缺点：位置准确性差，召回率不高，对于遮挡和拥挤较难处理，无法高精度。

六、yolov4

yolov4数据输入采用mosaic

  1、网络结构

yolov4是CSP darknet53，yolov3是darknet53

yolov3中只有res结构，可以发现yolov4中，res只是CSPx结构的一小部分，CSPx中，一个分支进行过res残差结构，另一个分支，直接和残差结构的结构cat到一起。

base layer后面会分出来两个分支，一个分支是一个大残差边，另外一个分支会接resnet残差结构，最后会将二者经过融合。而yolov3中只有csp中简单的残差，并没有最后的融合操作。

yolov4增加了spp，用来增加感受野
yolov4 ssp之后使用了PANet，进行特征融合。

 激活函数：

mish 

1.从图中可以看出他在负值的时候并不是完全截断，而是允许比较小的负梯度流入，从而保证信息流动。
2.并且激活函数无边界这个特点，让他避免了饱和这一问题，比如sigmoid，tanh激活函数通常存在梯度饱和问题，在两边极限情况下，梯度趋近于1，而Mish激活函数则巧妙的避开了这一点。
3.另外Mish函数也保证了每一点的平滑，从而使得梯度下降效果比Relu要好。
 

损失计算：
yolov4中采用CIOU loss

http://www.136.la/jingpin/show-141192.html

YOLOV4与YOLOV3的区别_进我的收藏吃灰吧~~的博客-CSDN博客_yolov4和yolov3的区别

六、yolov5

YOLOv5中的Focus层详解|CSDN创作打卡_tt丫的博客-CSDN博客_focus层

和yolov4的区别：

https://www.csdn.net/tags/OtTaMg2sMTU5NDktYmxvZwO0O0OO0O0O.html

nms:

前向推理：

YOLO中的NMS_WaitFoF的博客-CSDN博客_nms yolo