Intro

YOLO, aka “You Only Look Once”—> 名字是不是很酷

YOLO是object detection领域非常出名的算法，它以速度快同时兼顾性能著称。

1 Net Architecture

• concatenate层在Yolo里面叫做route层
• res_unit层在Yolo里面叫做shortcut层
• detection层在Yolo里面叫做yolo层

2 Details

1. 输入层:416*416*3

2. 将输入划分为$S * S$ grid, 每个格子有三个预先设定好长($p_w$)和宽($p_h$)的anchor box；如果物体的中心落在哪个grid, 那个grid就负责探测该物体。

   

3. 每个anchor box有85个数据[$t_x, t_y, t_w, t_h, objectscore, c1, c2…]$，分别代表：

   • 预测框中心点坐标：网络实际输出的是$t_x 和 t_y$, 为了让该cell预测的物体中心一定落在该cell上，加了个sigmoid函数。
   • 预测框长和宽: 防止梯度下降不稳定，所以进行了对数空间变换，网络给出$t_x, t_h$, 真实的长和宽由👆公式计算。
   • 是否有物体的概率: 如果没有物体，后续类别的置信分数将没有作用
   • 一共预测80个类别，每个类别的置信分数。

1. 有三种scale的输出层，分别为：13 * 13 * 85；26 * 26 * 85；52 * 52 * 85；

   每个cell有三个anchor box;所以每个输入一共有$(13\times13+26\times26+52\times52)\times3=10647$个预测框

2. 这么多输出框肯定绝大部分是重复预测或者不正确的预测，需要剔除不好的框

   • 设置object score阈值，比如低于0.6的去除
   • 设置IOU阈值，进行Non-maximum Suppression

Implementation in PyTorch

Reference

1. how-to-implement-a-yolo-object-detector-in-pytorch
2. YOLO V1: You Only Look Once: Unified, Real-Time Object Detection
3. YOLO V2: YOLO9000: Better, Faster, Stronger
4. YOLO V3: An Incremental Improvement
5. IOU
6. Bounding Box Regression (Appendix C)
7. Non maximum suppresion
8. PyTorch Official Tutorial