YOLO系列是基于深度學(xué)習(xí)的回歸方法。

RCNN， Fast-RCNN，F(xiàn)aster-RCNN是基于深度學(xué)習(xí)的分類方法。 YOLO官網(wǎng)：https://github.com/pjreddie/darknet

YOLOV1

論文下載：https://arxiv.org/abs/1506.02640代碼下載：https://github.com/pjreddie/darknet 核心思想：將整張圖片作為網(wǎng)絡(luò)的輸入（類似于Faster-RCNN），直接在輸出層對(duì)BBox的位置和類別進(jìn)行回歸。

實(shí)現(xiàn)方法

將一幅圖像分成SxS個(gè)網(wǎng)格(grid cell)，如果某個(gè)object的中心 落在這個(gè)網(wǎng)格中，則這個(gè)網(wǎng)格就負(fù)責(zé)預(yù)測(cè)這個(gè)object。

每個(gè)網(wǎng)絡(luò)需要預(yù)測(cè)B個(gè)BBox的位置信息和confidence（置信度）信息，一個(gè)BBox對(duì)應(yīng)著四個(gè)位置信息和一個(gè)confidence信息。confidence代表了所預(yù)測(cè)的box中含有object的置信度和這個(gè)box預(yù)測(cè)的有多準(zhǔn)兩重信息：

其中如果有object落在一個(gè)grid cell里，第一項(xiàng)取1，否則取0。第二項(xiàng)是預(yù)測(cè)的bounding box和實(shí)際的groundtruth之間的IoU值。

每個(gè)bounding box要預(yù)測(cè)(x, y, w, h)和confidence共5個(gè)值，每個(gè)網(wǎng)格還要預(yù)測(cè)一個(gè)類別信息，記為C類。則SxS個(gè)網(wǎng)格，每個(gè)網(wǎng)格要預(yù)測(cè)B個(gè)bounding box還要預(yù)測(cè)C個(gè)categories。輸出就是S x S x (5*B+C)的一個(gè)tensor。（注意：class信息是針對(duì)每個(gè)網(wǎng)格的，confidence信息是針對(duì)每個(gè)bounding box的。）

舉例說明: 在PASCAL VOC中，圖像輸入為448x448，取S=7，B=2，一共有20個(gè)類別(C=20)。則輸出就是7x7x30的一個(gè)tensor。整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)如下圖所示：

在test的時(shí)候，每個(gè)網(wǎng)格預(yù)測(cè)的class信息和bounding box預(yù)測(cè)的confidence信息相乘，就得到每個(gè)bounding box的class-specific confidence score:

等式左邊第一項(xiàng)就是每個(gè)網(wǎng)格預(yù)測(cè)的類別信息，第二三項(xiàng)就是每個(gè)bounding box預(yù)測(cè)的confidence。這個(gè)乘積即encode了預(yù)測(cè)的box屬于某一類的概率，也有該box準(zhǔn)確度的信息。

得到每個(gè)box的class-specific confidence score以后，設(shè)置閾值，濾掉得分低的boxes，對(duì)保留的boxes進(jìn)行NMS處理，就得到最終的檢測(cè)結(jié)果。

損失函數(shù)

在實(shí)現(xiàn)中，最主要的就是怎么設(shè)計(jì)損失函數(shù)，讓這個(gè)三個(gè)方面得到很好的平衡。作者簡(jiǎn)單粗暴的全部采用了sum-squared error loss來做這件事。這種做法存在以下幾個(gè)問題：

第一，8維的localization error和20維的classification error同等重要顯然是不合理的；

第二，如果一個(gè)網(wǎng)格中沒有object（一幅圖中這種網(wǎng)格很多），那么就會(huì)將這些網(wǎng)格中的box的confidence push到0，相比于較少的有object的網(wǎng)格，這種做法是overpowering的，這會(huì)導(dǎo)致網(wǎng)絡(luò)不穩(wěn)定甚至發(fā)散。

解決辦法：

更重視8維的坐標(biāo)預(yù)測(cè)，給這些損失前面賦予更大的loss weight。

對(duì)沒有object的box的confidence loss，賦予小的loss weight。

有object的box的confidence loss和類別的loss的loss weight正常取1。

對(duì)不同大小的box預(yù)測(cè)中，相比于大box預(yù)測(cè)偏一點(diǎn)，小box預(yù)測(cè)偏一點(diǎn)肯定更不能被忍受的。而sum-square error loss中對(duì)同樣的偏移loss是一樣。 為了緩和這個(gè)問題，作者用了一個(gè)比較取巧的辦法，就是將box的width和height取平方根代替原本的height和width。這個(gè)參考下面的圖很容易理解，小box的橫軸值較小，發(fā)生偏移時(shí)，反應(yīng)到y(tǒng)軸上相比大box要大。（也是個(gè)近似逼近方式）

一個(gè)網(wǎng)格預(yù)測(cè)多個(gè)box，希望的是每個(gè)box predictor專門負(fù)責(zé)預(yù)測(cè)某個(gè)object。具體做法就是看當(dāng)前預(yù)測(cè)的box與ground truth box中哪個(gè)IoU大，就負(fù)責(zé)哪個(gè)。這種做法稱作box predictor的specialization。 最后整個(gè)的損失函數(shù)如下所示：

這個(gè)損失函數(shù)中：

只有當(dāng)某個(gè)網(wǎng)格中有object的時(shí)候才對(duì)classification error進(jìn)行懲罰。

只有當(dāng)某個(gè)box predictor對(duì)某個(gè)ground truth box負(fù)責(zé)的時(shí)候，才會(huì)對(duì)box的coordinate error進(jìn)行懲罰，而對(duì)哪個(gè)ground truth box負(fù)責(zé)就看其預(yù)測(cè)值和ground truth box的IoU是不是在那個(gè)cell的所有box中最大。

其他細(xì)節(jié)，例如使用激活函數(shù)使用leak RELU，模型用ImageNet預(yù)訓(xùn)練等等

缺點(diǎn)

由于輸出層為全連接層，因此在檢測(cè)時(shí)，YOLO訓(xùn)練模型只支持與訓(xùn)練圖像相同的輸入分辨率。

雖然每個(gè)格子可以預(yù)測(cè)B個(gè)bounding box，但是最終只選擇只選擇IOU最高的bounding box作為物體檢測(cè)輸出，即每個(gè)格子最多只預(yù)測(cè)出一個(gè)物體。當(dāng)物體占畫面比例較小，如圖像中包含畜群或鳥群時(shí)，每個(gè)格子包含多個(gè)物體，但卻只能檢測(cè)出其中一個(gè)。這是YOLO方法的一個(gè)缺陷。

YOLO loss函數(shù)中，大物體IOU誤差和小物體IOU誤差對(duì)網(wǎng)絡(luò)訓(xùn)練中l(wèi)oss貢獻(xiàn)值接近（雖然采用求平方根方式，但沒有根本解決問題）。因此，對(duì)于小物體，小的IOU誤差也會(huì)對(duì)網(wǎng)絡(luò)優(yōu)化過程造成很大的影響，從而降低了物體檢測(cè)的定位準(zhǔn)確性。

YOLOv2（YOLO9000）

文章提出了一種新的訓(xùn)練方法–聯(lián)合訓(xùn)練算法，這種算法可以把這兩種的數(shù)據(jù)集混合到一起。使用一種分層的觀點(diǎn)對(duì)物體進(jìn)行分類，用巨量的分類數(shù)據(jù)集數(shù)據(jù)來擴(kuò)充檢測(cè)數(shù)據(jù)集，從而把兩種不同的數(shù)據(jù)集混合起來。 聯(lián)合訓(xùn)練算法的基本思路就是：同時(shí)在檢測(cè)數(shù)據(jù)集和分類數(shù)據(jù)集上訓(xùn)練物體檢測(cè)器（Object Detectors ），用檢測(cè)數(shù)據(jù)集的數(shù)據(jù)學(xué)習(xí)物體的準(zhǔn)確位置，用分類數(shù)據(jù)集的數(shù)據(jù)來增加分類的類別量、提升健壯性。YOLO9000就是使用聯(lián)合訓(xùn)練算法訓(xùn)練出來的，他擁有9000類的分類信息，這些分類信息學(xué)習(xí)自ImageNet分類數(shù)據(jù)集，而物體位置檢測(cè)則學(xué)習(xí)自COCO檢測(cè)數(shù)據(jù)集。

改進(jìn)

Batch Normalization使用Batch Normalization對(duì)網(wǎng)絡(luò)進(jìn)行優(yōu)化，讓網(wǎng)絡(luò)提高了收斂性，同時(shí)還消除了對(duì)其他形式的正則化（regularization）的依賴。通過對(duì)YOLO的每一個(gè)卷積層增加Batch Normalization，最終使得mAP提高了2%，同時(shí)還使model正則化。使用Batch Normalization可以從model中去掉Dropout，而不會(huì)產(chǎn)生過擬合。High resolution classifier目前業(yè)界標(biāo)準(zhǔn)的檢測(cè)方法，都要先把分類器（classi?er）放在ImageNet上進(jìn)行預(yù)訓(xùn)練。從Alexnet開始，大多數(shù)的分類器都運(yùn)行在小于256*256的圖片上。而現(xiàn)在YOLO從224*224增加到了448*448，這就意味著網(wǎng)絡(luò)需要適應(yīng)新的輸入分辨率。

為了適應(yīng)新的分辨率，YOLO v2的分類網(wǎng)絡(luò)以448*448的分辨率先在ImageNet上進(jìn)行Fine Tune，F(xiàn)ine Tune10個(gè)epochs，讓網(wǎng)絡(luò)有時(shí)間調(diào)整他的濾波器（filters），好讓其能更好的運(yùn)行在新分辨率上，還需要調(diào)優(yōu)用于檢測(cè)的Resulting Network。最終通過使用高分辨率，mAP提升了4%。Convolution with anchor boxesYOLOV1包含有全連接層，從而能直接預(yù)測(cè)Bounding Boxes的坐標(biāo)值。Faster R-CNN的方法只用卷積層與Region Proposal Network來預(yù)測(cè)Anchor Box的偏移值與置信度，而不是直接預(yù)測(cè)坐標(biāo)值。作者發(fā)現(xiàn)通過預(yù)測(cè)偏移量而不是坐標(biāo)值能夠簡(jiǎn)化問題，讓神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)起來更容易。

所以最終YOLO去掉了全連接層，使用Anchor Boxes來預(yù)測(cè) Bounding Boxes。作者去掉了網(wǎng)絡(luò)中一個(gè)Pooling層，這讓卷積層的輸出能有更高的分辨率。收縮網(wǎng)絡(luò)讓其運(yùn)行在416*416而不是448*448。由于圖片中的物體都傾向于出現(xiàn)在圖片的中心位置，特別是那種比較大的物體，所以有一個(gè)單獨(dú)位于物體中心的位置用于預(yù)測(cè)這些物體。YOLO的卷積層采用32這個(gè)值來下采樣圖片，所以通過選擇416*416用作輸入尺寸最終能輸出一個(gè)13*13的Feature Map。

使用Anchor Box會(huì)讓精確度稍微下降，但用了它能讓YOLO能預(yù)測(cè)出大于一千個(gè)框，同時(shí)recall達(dá)到88%，mAP達(dá)到69.2%。Dimension clusters之前Anchor Box的尺寸是手動(dòng)選擇的，所以尺寸還有優(yōu)化的余地。為了優(yōu)化，在訓(xùn)練集（training set）Bounding Boxes上跑了一下k-means聚類，來找到一個(gè)比較好的值。 如果我們用標(biāo)準(zhǔn)的歐式距離的k-means，尺寸大的框比小框產(chǎn)生更多的錯(cuò)誤。因?yàn)槲覀兊哪康氖翘岣逫OU分?jǐn)?shù)，這依賴于Box的大小，所以距離度量的使用：

通過分析實(shí)驗(yàn)結(jié)果（Figure 2），左圖：在model復(fù)雜性與high recall之間權(quán)衡之后，選擇聚類分類數(shù)K=5。右圖：是聚類的中心，大多數(shù)是高瘦的Box。 Table1是說明用K-means選擇Anchor Boxes時(shí)，當(dāng)Cluster IOU選擇值為5時(shí)，AVG IOU的值是61，這個(gè)值要比不用聚類的方法的60.9要高。選擇值為9的時(shí)候，AVG IOU更有顯著提高?？傊褪钦f明用聚類的方法是有效果的。

Direct location prediction

用Anchor Box的方法，會(huì)讓model變得不穩(wěn)定，尤其是在最開始的幾次迭代的時(shí)候。大多數(shù)不穩(wěn)定因素產(chǎn)生自預(yù)測(cè)Box的（x,y）位置的時(shí)候。按照之前YOLO的方法，網(wǎng)絡(luò)不會(huì)預(yù)測(cè)偏移量，而是根據(jù)YOLO中的網(wǎng)格單元的位置來預(yù)測(cè)坐標(biāo)，這就讓Ground Truth的值介于0到1之間。而為了讓網(wǎng)絡(luò)的結(jié)果能落在這一范圍內(nèi)，網(wǎng)絡(luò)使用一個(gè) Logistic Activation來對(duì)于網(wǎng)絡(luò)預(yù)測(cè)結(jié)果進(jìn)行限制，讓結(jié)果介于0到1之間。網(wǎng)絡(luò)在每一個(gè)網(wǎng)格單元中預(yù)測(cè)出5個(gè)Bounding Boxes，每個(gè)Bounding Boxes有五個(gè)坐標(biāo)值tx，ty，tw，th，t0，他們的關(guān)系見下圖（Figure3）。假設(shè)一個(gè)網(wǎng)格單元對(duì)于圖片左上角的偏移量是cx，cy，Bounding Boxes Prior的寬度和高度是pw，ph，那么預(yù)測(cè)的結(jié)果見下圖右面的公式：

因?yàn)槭褂昧讼拗谱寯?shù)值變得參數(shù)化，也讓網(wǎng)絡(luò)更容易學(xué)習(xí)、更穩(wěn)定。Fine-Grained FeaturesYOLO修改后的Feature Map大小為13*13，這個(gè)尺寸對(duì)檢測(cè)圖片中尺寸大物體來說足夠了，同時(shí)使用這種細(xì)粒度的特征對(duì)定位小物體的位置可能也有好處。Faster R-CNN、SSD都使用不同尺寸的Feature Map來取得不同范圍的分辨率，而YOLO采取了不同的方法，YOLO加上了一個(gè)Passthrough Layer來取得之前的某個(gè)26*26分辨率的層的特征。

這個(gè)Passthrough layer能夠把高分辨率特征與低分辨率特征聯(lián)系在一起，聯(lián)系起來的方法是把相鄰的特征堆積在不同的Channel之中，這一方法類似與Resnet的Identity Mapping，從而把26*26*512變成13*13*2048。YOLO中的檢測(cè)器位于擴(kuò)展后（expanded ）的Feature Map的上方，所以他能取得細(xì)粒度的特征信息，這提升了YOLO 1%的性能。Multi-ScaleTraining作者希望YOLO v2能健壯的運(yùn)行于不同尺寸的圖片之上，所以把這一想法用于訓(xùn)練model中。 區(qū)別于之前的補(bǔ)全圖片的尺寸的方法，YOLO v2每迭代幾次都會(huì)改變網(wǎng)絡(luò)參數(shù)。

每10個(gè)Batch，網(wǎng)絡(luò)會(huì)隨機(jī)地選擇一個(gè)新的圖片尺寸，由于使用了下采樣參數(shù)是32，所以不同的尺寸大小也選擇為32的倍數(shù){320，352…..608}，最小320*320，最大608*608，網(wǎng)絡(luò)會(huì)自動(dòng)改變尺寸，并繼續(xù)訓(xùn)練的過程。 這一政策讓網(wǎng)絡(luò)在不同的輸入尺寸上都能達(dá)到一個(gè)很好的預(yù)測(cè)效果，同一網(wǎng)絡(luò)能在不同分辨率上進(jìn)行檢測(cè)。當(dāng)輸入圖片尺寸比較小的時(shí)候跑的比較快，輸入圖片尺寸比較大的時(shí)候精度高，所以你可以在YOLO v2的速度和精度上進(jìn)行權(quán)衡。 Figure4，Table 3：在voc2007上的速度與精度

YOLOV3

YOLO v3的模型比之前的模型復(fù)雜了不少，可以通過改變模型結(jié)構(gòu)的大小來權(quán)衡速度與精度。 速度對(duì)比如下：

簡(jiǎn)而言之，YOLOv3 的先驗(yàn)檢測(cè)（Prior detection）系統(tǒng)將分類器或定位器重新用于執(zhí)行檢測(cè)任務(wù)。他們將模型應(yīng)用于圖像的多個(gè)位置和尺度。而那些評(píng)分較高的區(qū)域就可以視為檢測(cè)結(jié)果。此外，相對(duì)于其它目標(biāo)檢測(cè)方法，我們使用了完全不同的方法。我們將一個(gè)單神經(jīng)網(wǎng)絡(luò)應(yīng)用于整張圖像，該網(wǎng)絡(luò)將圖像劃分為不同的區(qū)域，因而預(yù)測(cè)每一塊區(qū)域的邊界框和概率，這些邊界框會(huì)通過預(yù)測(cè)的概率加權(quán)。我們的模型相比于基于分類器的系統(tǒng)有一些優(yōu)勢(shì)。它在測(cè)試時(shí)會(huì)查看整個(gè)圖像，所以它的預(yù)測(cè)利用了圖像中的全局信息。與需要數(shù)千張單一目標(biāo)圖像的 R-CNN 不同，它通過單一網(wǎng)絡(luò)評(píng)估進(jìn)行預(yù)測(cè)。這令 YOLOv3 非?？欤话闼?R-CNN 快 1000 倍、比 Fast R-CNN 快 100 倍。

改進(jìn)之處

多尺度預(yù)測(cè) （類FPN）

更好的基礎(chǔ)分類網(wǎng)絡(luò)（類ResNet）和分類器 darknet-53,見下圖。

分類器-類別預(yù)測(cè)。

YOLOv3不使用Softmax對(duì)每個(gè)框進(jìn)行分類，主要考慮因素有兩個(gè)：

Softmax使得每個(gè)框分配一個(gè)類別（score最大的一個(gè)），而對(duì)于Open Images這種數(shù)據(jù)集，目標(biāo)可能有重疊的類別標(biāo)簽，因此Softmax不適用于多標(biāo)簽分類。

Softmax可被獨(dú)立的多個(gè)logistic分類器替代，且準(zhǔn)確率不會(huì)下降。

分類損失采用binary cross-entropy loss。

多尺度預(yù)測(cè)

每種尺度預(yù)測(cè)3個(gè)box, anchor的設(shè)計(jì)方式仍然使用聚類,得到9個(gè)聚類中心,將其按照大小均分給3個(gè)尺度.

尺度1: 在基礎(chǔ)網(wǎng)絡(luò)之后添加一些卷積層再輸出box信息.

尺度2: 從尺度1中的倒數(shù)第二層的卷積層上采樣(x2)再與最后一個(gè)16x16大小的特征圖相加,再次通過多個(gè)卷積后輸出box信息.相比尺度1變大兩倍.

尺度3: 與尺度2類似,使用了32x32大小的特征圖.

參見網(wǎng)絡(luò)結(jié)構(gòu)定義文件https://github.com/pjreddie/darknet/blob/master/cfg/yolov3.cfg 基礎(chǔ)網(wǎng)絡(luò) Darknet-53

darknet-53

仿ResNet, 與ResNet-101或ResNet-152準(zhǔn)確率接近,但速度更快.對(duì)比如下:

主干架構(gòu)的性能對(duì)比

檢測(cè)結(jié)構(gòu)如下：

YOLOv3在mAP@0.5及小目標(biāo)APs上具有不錯(cuò)的結(jié)果,但隨著IOU的增大,性能下降,說明YOLOv3不能很好地與ground truth切合.

邊框預(yù)測(cè)

圖 2：帶有維度先驗(yàn)和定位預(yù)測(cè)的邊界框。我們邊界框的寬和高以作為離聚類中心的位移，并使用 Sigmoid 函數(shù)預(yù)測(cè)邊界框相對(duì)于濾波器應(yīng)用位置的中心坐標(biāo)。 仍采用之前的logis，其中cx,cy是網(wǎng)格的坐標(biāo)偏移量,pw,ph是預(yù)設(shè)的anchor box的邊長(zhǎng).最終得到的邊框坐標(biāo)值是b*,而網(wǎng)絡(luò)學(xué)習(xí)目標(biāo)是t*，用sigmod函數(shù)、指數(shù)轉(zhuǎn)換。優(yōu)點(diǎn)

快速,pipline簡(jiǎn)單.

背景誤檢率低。

通用性強(qiáng)。YOLO對(duì)于藝術(shù)類作品中的物體檢測(cè)同樣適用。它對(duì)非自然圖像物體的檢測(cè)率遠(yuǎn)遠(yuǎn)高于DPM和RCNN系列檢測(cè)方法。

但相比RCNN系列物體檢測(cè)方法，YOLO具有以下缺點(diǎn)：

識(shí)別物體位置精準(zhǔn)性差。

召回率低。在每個(gè)網(wǎng)格中預(yù)測(cè)兩個(gè)box這種約束方式減少了對(duì)同一目標(biāo)的多次檢測(cè)(R-CNN使用的region proposal方式重疊較多),相比R-CNN使用Selective Search產(chǎn)生2000個(gè)proposal（RCNN測(cè)試時(shí)每張超過40秒）,yolo僅使用7x7x2個(gè).

YOLOV4

YOLOv4: Optimal Speed and Accuracy of Object Detection 論文：https://arxiv.org/abs/2004.10934 代碼：https://github.com/AlexeyAB/darknet YOLOv4！

YOLOv4 在COCO上，可達(dá)43.5％ AP，速度高達(dá) 65 FPS！ YOLOv4的特點(diǎn)是集大成者，俗稱堆料。但最終達(dá)到這么高的性能，一定是不斷嘗試、不斷堆料、不斷調(diào)參的結(jié)果，給作者點(diǎn)贊。下面看看堆了哪些料：

Weighted-Residual-Connections (WRC)

Cross-Stage-Partial-connections (CSP)

Cross mini-Batch Normalization (CmBN)

Self-adversarial-training (SAT)

Mish-activation

Mosaic data augmentation

CmBN

DropBlock regularization

CIoU loss

本文的主要貢獻(xiàn)如下： 1. 提出了一種高效而強(qiáng)大的目標(biāo)檢測(cè)模型。它使每個(gè)人都可以使用1080 Ti或2080 Ti GPU 訓(xùn)練超快速和準(zhǔn)確的目標(biāo)檢測(cè)器（牛逼?。?2. 在檢測(cè)器訓(xùn)練期間，驗(yàn)證了SOTA的Bag-of Freebies 和Bag-of-Specials方法的影響。 3. 改進(jìn)了SOTA的方法，使它們更有效，更適合單GPU訓(xùn)練，包括CBN [89]，PAN [49]，SAM [85]等。文章將目前主流的目標(biāo)檢測(cè)器框架進(jìn)行拆分：input、backbone、neck 和 head. 具體如下圖所示：

對(duì)于GPU，作者在卷積層中使用：CSPResNeXt50 / CSPDarknet53

對(duì)于VPU，作者使用分組卷積，但避免使用（SE）塊-具體來說，它包括以下模型：EfficientNet-lite / MixNet / GhostNet / MobileNetV3

作者的目標(biāo)是在輸入網(wǎng)絡(luò)分辨率，卷積層數(shù)，參數(shù)數(shù)量和層輸出（filters）的數(shù)量之間找到最佳平衡。 總結(jié)一下YOLOv4框架：

Backbone：CSPDarknet53

Neck：SPP，PAN

Head：YOLOv3

YOLOv4 =CSPDarknet53+SPP+PAN+YOLOv3 其中YOLOv4用到相當(dāng)多的技巧：

用于backbone的BoF：CutMix和Mosaic數(shù)據(jù)增強(qiáng)，DropBlock正則化，Class label smoothing

用于backbone的BoS：Mish激活函數(shù)，CSP，MiWRC

用于檢測(cè)器的BoF：CIoU-loss，CmBN，DropBlock正則化，Mosaic數(shù)據(jù)增強(qiáng)，Self-Adversarial 訓(xùn)練，消除網(wǎng)格敏感性，對(duì)單個(gè)ground-truth使用多個(gè)anchor，Cosine annealing scheduler，最佳超參數(shù)，Random training shapes

用于檢測(cè)器的Bos：Mish激活函數(shù)，SPP，SAM，PAN，DIoU-NMS

看看YOLOv4部分組件：

感受一下YOLOv4實(shí)驗(yàn)的充分性（調(diào)參的藝術(shù)）:

感受一下性能炸裂的YOLOv4實(shí)驗(yàn)結(jié)果:

YOLO v.s Faster R-CNN

1.統(tǒng)一網(wǎng)絡(luò):YOLO沒有顯示求取region proposal的過程。Faster R-CNN中盡管RPN與fast rcnn共享卷積層，但是在模型訓(xùn)練過程中，需要反復(fù)訓(xùn)練RPN網(wǎng)絡(luò)和fast rcnn網(wǎng)絡(luò).相對(duì)于R-CNN系列的"看兩眼"(候選框提取與分類),YOLO只需要Look Once. 2. YOLO統(tǒng)一為一個(gè)回歸問題，而R-CNN將檢測(cè)結(jié)果分為兩部分求解：物體類別（分類問題），物體位置即bounding box（回歸問題）。

參考

1. V1，V2，V3轉(zhuǎn)載地址： https://blog.csdn.net/App_12062011/article/details/77554288 2. V4轉(zhuǎn)載地址： https://mp.weixin.qq.com/s/Ua3T-DOuzmLWuXfohEiVFw

責(zé)任編輯：xj

原文標(biāo)題：YOLO系列：V1,V2,V3,V4簡(jiǎn)介

文章出處：【微信公眾號(hào)：新機(jī)器視覺】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。