目标检测 | YOLOv3开启的回归网络下的多尺度策略

墨蓝 2022-03-09 20:46 367阅读 0赞

#### 1.简介 ####

通过文章[目标检测 | 让YOLOv1算法告诉你回归网络的能力][_ _YOLOv1]和[目标检测 | 让YOLOv2告诉你Trick的力量][_ _YOLOv2_Trick]讲述了YOLO算法的原理和部分改进策略。YOLO系列算法在刚被提出时其目的在于提升检测网络的速度，因此其算法的召回率和检测率相对于Faster RCNN系列算法会要低一些。作者为了提升YOLO算法的实用性，提出了YOLOv2，在不损失速度的情况下提升了网络精度。但从下图的左图中我们可以发现，在输入同等级分辨率图片的情况下，YOLOv2的精度是没有SSD系列算法好的。而YOLOv3的提出，彻底稳固了YOLO系列算法的地位，因为如下图右图所示YOLOv3使得YOLO系列算法的性能超越了SSD系列。因此本文就从原理上来简单阐述下YOLOv3算法的主要改进点，后续会针对YOLOv3算法解析darknet框架下的训练源码。

![aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy81NTI5OTk3LWEyMWQxNzllZWEyN2VlNTcucG5n][]

#### 2.改进点 ####

1.box是否含有物体改进  
利用logistic回归计算每个bounding box是否含有物体（二分类：有或者没有）。在该过程中，之前的YOLOv2算法是看ground truth的位置中心坐标在哪，来判定当前bounding box是否含有物体。而在YOLOv3中将与ground truth的IOU最大的那个bounding box认为是包含该物体，因此YOLOv3的特点是每个ground truth都仅仅分配一个bounding box。对于那些没有被分配的bounding box，网络计算损失时，仅仅计算是否包含物体损失，不计算坐标和类概率损失。

2.类概率预测改进  
对于类概率预测，在YOLOv2中是直接利用softmax进行类概率预测。而在YOLOv3中对于每一个类，使用独立的logistic分类器，使用交叉熵损失计算类概率损失。用这种策略的原因是，考虑到在利用softmax分类时，需要把所有的类别独立开来（one hot编码的特点），但是一旦遇到如（女人 ，人）这种包含类别时，用softmax就不是那么合适了。因此才引入logistic分类器结合多标签，来处理此类问题。

3.多尺度检测策略改进  
YOLOv3的多尺度策略在三个不同的尺度作detection。  
v2只有一个detection，v3一下变成了3个，在3个不同尺度的feature map上进行detection。在输入为416的情况下这三个特征图的尺度为13\*13，26\*26，52\*52，这应该是对小目标影响最大的地方。  
如下图所示，在输入为640\*352的情况下，三个不同尺度的detection位置和特征图大小（分辨率搞成宽高不一样，感觉更直观一点）。

70  conv        27    1*1/1  20*11*256 ->  20*11*27 
    71  detection
    72  route       29
    73  conv        256   3*3/2  80*44*128 ->  40*22*256
    74  route      73 48  
    75  conv        256   1*1/1  40*22*512 ->  40*22*256
    76  conv        256   3*3/1  40*22*512 ->  40*22*256
    77  conv        256   1*1/1  40*22*512 ->  40*22*256
    78  conv        27    1*1/1  40*22*512 ->  40*22*27
    79  detection
    80  route       10
    81  conv        128   3*3/2  160*88*64 ->  80*44*128
    82  route      81 29  
    83  conv        256   1*1/1  80*44*256 ->  80*44*256
    84  conv        256   3*3/1  80*44*256 ->  80*44*256
    85  conv        256   1*1/1  80*44*256 ->  80*44*256
    86  conv        27    1*1/1  80*44*256 ->  80*44*27
    87  detection

#### 3.YOLOv3的网络框架图 ####

如下图所示，左边虚线框就是YOLOv3网络的特征提取模块的示意图，以416分辨率的图像作为输入，根据网络的深入，会产生3中不同尺度的特征图（52,26,13），YOLOv3在这三个尺度上进行不同尺度的目标检测。  
![aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy81NTI5OTk3LTYwOGUzYmY5YjYwY2M0ZmQucG5n][]

如上图的框架所示，我们发现整个网络中用到了上采样操作，这其实是一种相对比较耗时，而且性价比不高的手段，因此在我用YOLOv3网络时做了一点小改动，在不损失网络精度和网络思想的前提下去掉网络的上采样过程。思路就如下图所示，通过stride为2的卷积实现下采样，最终也能实现三个尺度的detection，而且可以不用到上采样操作。  
![aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy81NTI5OTk3LWFlYjA2Y2Q3M2E0ZDVhZGUucG5n][]

本文简单介绍了一下YOLOv3的策略，后续会更新一些YOLOv3的源码解读，欢迎持续关注~

[_ _YOLOv1]: https://www.jianshu.com/p/d1a8ebabfb8b
[_ _YOLOv2_Trick]: https://www.jianshu.com/p/552048150abe
[aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy81NTI5OTk3LWEyMWQxNzllZWEyN2VlNTcucG5n]: /images/20220310/659e6f20c13245d8b3f7d9d417a3f700.png
[aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy81NTI5OTk3LTYwOGUzYmY5YjYwY2M0ZmQucG5n]: /images/20220310/00a1c327a03a4e4ea473604ff7accdd3.png
[aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy81NTI5OTk3LWFlYjA2Y2Q3M2E0ZDVhZGUucG5n]: /images/20220310/3b3d4d5926204ada9cb594b763c3b012.png