一、深度学习算法概述

1、不同阶段算法优缺点分析

One-stage:

        优点：速度非常快，适合做实时监测任务

        缺点：效果通常不好

2、yolo评价指标

yolo评价指标：map和fps

 Map指标：综合衡量检测效果

        精度：识别准确率

        召回率（recall）：识别是否完全，有没有没有检测到的

        TP:正确被检测到的

        FP:错误被检测到的

        FN:遗漏的

 IOU：真实值与预测值的交集/真实值与预测值的并集

二、YOLOv1

1、特点

经典one-stage方法

把检测问题转换为回归问题，一个CNN就行

对视频进行实时检测

2、核心思想

        输入S*S的格子，每个点产生两种候选框，切实有物体的点产生的候选框进行微调（置信度判断是否有物体），筛选出IOU大的

3、网络架构

         7×7表示格子大小，30的含义：前5个是B1（x1，y1，w1，h1，c1），在5个表示B2，剩下20表示当前数据集有20个分类类别

三、YOLOv2 

1、与V1的区别

        V2版本舍弃了全连接层，不再使用DropOut，卷积之后全部加入Batch Normalization（网络每一层的输入都做了归一化，网络收敛更容易 Conv-BN），经过BN处理后网络提升2％的map

        V2更大的分辨率：V1训练时用的是224×224的输入大小，测试用448×448，这样可能导致模型效率降低，V2训练时额外进行10次448×448的微调，使用高分辨率的的分类器后，map提升约4％

        使用k-means聚类来提取先验框，这样对候选框大小不敏感，更适用于真实的数据集  

        通过引入Anchor boxes，使得预测的box数量更多，在基本不影响mAP的情况下，提高了大约7％的召回率

        

2、 网络结构

 

        越大的感受野，越能感受大的物体。最后一层感受野太大，小目标可能就丢失了，需要融合之前的特征

 

 四、YOLOv3

相较于之前的版本，最大的改进就是网络结构，使其更适合小目标检测

Darknet-53 没有池化，下采样通过stride为2来实现和全连接层

使用了resnet的思想，至少不比原来差

特征做的更细致，融合多持续特征图来预测不同规格物体

先验框更丰富，3种scale，每种3个规格，一共9种

softmax改进，预测多标签任务