cv/yolo笔记

yolo笔记

https://blog.csdn.net/u014380165/article/details/80202337 note_YOLOv3 (作者：AI之路)

YOLO 技术: [输入: 416*416]

1. 多个scale融合: [目的: 加强YOLO算法对小目标检测的精确度]
   • v2:
     • 类似ResNet的passthrough layer:
     • 连接 前层26*26和本层13*13的feature map
   • v3:
     • 类似FPN的upsample和融合:
     • 融合 3个scale, 13*13, 26*26, 52*52的feature map
2. bounding box的数量: [目的: 加强YOLO算法对小目标检测的精确度]
   • v2:
     • grid cell大小: 32*32
     • grid cell数量: 13*13
     • 预测5个bounding box / 每grid cell
     • bounding box数量: (13*13) * 5
   • v3:
     • grid cell大小: 32*32, 16*16, 8*8
     • grid cell数量: 13*13, 26*26, 52*52
     • 预测3个bounding box / 每grid cell
     • bounding box数量: (13*13 + 26*26 + 52*52) * 3
3. bounding box初始尺寸的初始化: [目的: 加快训练网络速度]
   • 方法: (v2, v3)
     • k-means聚类
   • COCO集上结果:
     • (10*13); (16*30); (33*23); (30*61); (62*45); (59*119); (116*90); (156*198); (373*326)