目录
YOLO%C2%A0-toc" style="margin-left:0px;">1. YOLO
YOLO%20V1-toc" style="margin-left:0px;">2. YOLO V1
YOLO%20V2-toc" style="margin-left:0px;">3. YOLO V2
YOLO%20V3-toc" style="margin-left:0px;">4. YOLO V3
YOLO%20V3%20SPP%E7%BD%91%E7%BB%9C-toc" style="margin-left:0px;">5. YOLO V3 SPP网络
5.1 Mosaic 图像增强
5.2 SPP 模块
5.3 CIou Loss
5.4 Focal loss
1. YOLO
YOLO 是目标检测任务强大的算法，将目标检测的问题转换边界框和相关概率的回归问题，是目标检测单阶段的代表。
YOLO 的全称是You Only Look Once
本章只会对YOLO的前三个版本进行简单的介绍，后面会根据YOLO V3 SPP的trick版本进行训练
YOLO%20V1">2. YOLO V1
yolo v1的代表图如下：
注意：yolo v1没有anchor 的概念
yolo v1将输入图像经过特征提取后，划分为 7 * 7(S = 7)个grid cell。每一个grid cell 会预测两个边界框(B = 2)，而yolo v1是在PASCAL VOC 20 个类别进行训练的，所以每一个边界框还会预测20个类别得分(C = 20)。
其中每一个预测框还包括五个输出，前四个为边界框的x，y，w，h，最后一个是置信度，其实就是预测目标和真实ground truth的iou 。
每一个grid cell 产生两个边界框，由最好的那个边界框负责拟合真实的gt
所以，yolo v1的输入是一幅图像，输出是 7 * 7 *(2*5 + 20) = 7*7*30的张量(20个类别的得分是共享的)
yolo v1 的缺点:
- 因为7*7的网格只会预测49个物体，所以yolo v1对密集的物体或者多个小物体的检测不是很好
- 定位精度较差，没有像 faster-rcnn 那样基于anchor的准确
YOLO%20V2">3. YOLO V2
yolo v2 相比于v1 增加了很多 ideas
总而言之，yolo v2的输入是416*416，输出是13*13(grid cell)*5（每一个网格预测五个边界框）* （5*20）的张量
YOLO%20V3">4. YOLO V3
yolo v3输出是3个尺度的，分别是输入图像下采样的8、16、32倍。而一般输入的size是416*416，下采样后的三个尺度是52*52，26*26，13*13
yolo v3更改了网络的backbone，具体的yolo v3如下：
yolo v3输出的预测特征图是三个尺度，每一个grid cell 预测3个边界框，而每一个预测框产生4个坐标偏移值，1个置信度和80个coco的类别得分
关于偏移量，如下：
x、y 相对于每个grid cell左上角的偏移，经过sigmoid可以限制到0-1之间，这样预测的x、y就不会跑出对应的grid cell外面。w，h 相对于全图的缩放比例
关于正负样本分配：
正样本：针对于gt而已，预测最好的为正样本。每一个gt都会分配一个正样本
忽略的样本：预测的还行，但是不是最好的，例如与gt的iou >0.5，那么这类边界框忽略
负样本：剩下的样本均为负样本
YOLO%20V3%20SPP%E7%BD%91%E7%BB%9C">5. YOLO V3 SPP网络
YOLO V3 SPP网络对提升网络性能增加了很多的tricks
5.1 Mosaic 图像增强
将多个图像拼接在一起训练，可以增加数据的多样性、单幅图像目标的个数也会增多
这里默认4张图像拼接
5.2 SPP 模块
多尺度输出结果前，仅仅在第一个前面增加了SPP模块，实现了不同尺度的信融合
5.3 CIou Loss
CIou Loss 损失
- 关于iou loss：
缺点是预测框和gt没有重合的时候，loss = 0
- 关于giou loss：绿色为预测，红色为gt
预测框和gt完美融合，giou = 1；预测框和gt相距无穷远，giou = -1
giou 的缺点：
- 关于Diou loss：distance iou
iou loss 和 giou loss 有两个问题：收敛太慢、回归不够准确
预测框和gt完美融合，diou = 1；预测框和gt相距无穷远，diou = -1
- 关于Ciou loss：
5.4 Focal loss
Focal loss 最初用于图像领域解决数据不平衡造成的模型性能问题
