有趣单词

  1. novel:       新颖的
  2. tradeoff:    权衡
  3. distinct:    截然不同的
  4. leverage:    利用
  5. robustness:  鲁棒性
  6. vocabulary:  词汇表
  7. hinge:       使以什么为条件
  8. convergence：收敛
  9. decouple:    使分离
  10. fine-grained:细粒度的
  11. robust:      健壮的

值得注意的

  • softmax将输出转为概率分布，其前提是各个类别是互相排斥的；

    yolov2的改进

  • yolov1相对来说，定位的准确度比较差；

  • yolov2主要目的就是在保证分类准确率的情况下，提高定位的准确度；
  • 提高准确率不是以更深的网络为代价，而是简化网络，是的表征学习更简单；
  1. 能够识别的类别变多，yolov1为20，yolov2扩展到9000类；
  2. 利用已有的分类目标的数据集来扩充目标检测的数据集；（？）
  3. yolov1直接回归检测框坐标，yolov2采用了anchor boxes
    • 采用anchor boxes之后，就用anchor boxes去预测类（仍旧是one-stage，就是位置回归方式不同了），而不是同时实现位置回归和类别分类；
  4. anchor boxes通过k-means进行聚类得到，权衡之后k取值为5；（之前的anchor boxes都是通过人进行挑选的）
    • 聚类产生的5个anchor boxes作为，boxes长宽的初始值；
    • 后期预测boxes的长宽相对于聚类的anchor boxes进行偏移（参考下图所示）；
  5. yolov2的坐标预测和yolov1类似，还是预测中心点相对于格子的偏移；（每个格子预测5个boxes）

image.png

  1. 网络中有short-cut实现不同层的feature融合；（通常来说，浅层网络的分辨率更高）
    • 此操作的目的就是为了适应对不同size目标的检测；
    • 不同层的特征直接通过通道进行连接；
    • 对于feature map size不同的需要对高分辨率的特征进行reshape；
      • 比如26261024和13132048的连接，需要将前者变为13134096；
  2. 多尺度训练；
    • 每10个epoch改变输入图片的size，最小为360360，最大为608608；
    • 这说明网络不包括全连接层；
  3. yolov2每个grid包括5个boxes，每个boxes预测一个物体；
    • 5*（5+20）
  4. 综合目标检测和分类任务的图片进行训练；
    • 对于目标检测的数据，对整个损失函数进行反向传播；
    • 对于分类任务的数据，只对网络损失函数中的分类部分进行反向传播；