目录
1. YOLO
2. YOLO V1
3. YOLO V2
4. YOLO V3
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
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
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
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
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
