目录

前言YOLO发展历程目标检测YOLO开山之作 ---- YOLO（v1）YOLOv2 YOLOv3PaddleDetection中YOLOv3模型介绍总结

前言

YOLO发展历程

FPPS 帧每秒

目标检测

单阶段模型：YOLO, SSD, Retina-Net两阶段模型：RCNN, SPPNet 性价比之选：YOLO系列模型 YOLO VOC精度63.4， 推理速度达到45FPSVOC精度52.7， 推理速度达到155FPS

YOLOv2 - VOC精度78.6， 推理速度达到40FPS - VOC精度76.8， 推理速度达到67FPS - SSD的速度，RCNN的精度 YOLOv3 - COCO数据集精度33.0 - 推理速度快于SSD3倍 - 推理速度快于RetinaNet3.8倍

实时检测（FPS>30） 精度速度性价比最高

YOLO开山之作 ---- YOLO（v1）

单阶段目标检测模型 You Only Look Once 将目标检测当作一个单一的回归任务

yolov1原理 将图像划分为SS个网格 物体bbox中心落在哪个网格上，就由该网格对应锚框负责检测该物体 输出特征图的宽度、高度（H、W）维上即为SS个网格 输出特征图通道（C）维上组织x,y,w,h, Pobject, classification(one-hot)信息

YOLOv2

YOLOv3

YOLOv3目标检测原理 YOLOv3网络结构 上图三个方框内表示Yolov3的三个基本组件： （1）CBL：Yolov3网络结构中的最小组件，由Conv+Bn+Leaky_relu激活函数三者组成。 （2）Res unit：借鉴Resnet网络中的残差结构，让网络可以构建的更深。 （3）ResX：由一个CBL和X个残差组件构成，是Yolov3中的大组件。每个Res模块前面的CBL都起到下采样的作用，因此经过5次Res模块后，得到的特征图是416->208->104->52->26->13大小。 其他基础操作： （1）Concat：张量拼接，会扩充两个张量的维度，例如26×26×256和26×26×512两个张量拼接，结果是26×26×768。Concat和cfg文件中的route功能一样。 （2）Add：张量相加，张量直接相加，不会扩充维度，例如104×104×128和104×104×128相加，结果还是104×104×128。add和cfg文件中的shortcut功能一样。

Backbone中卷积层的数量： 每个ResX中包含1+2×X个卷积层，因此整个主干网络Backbone中一共包含1+（1+2×1）+（1+2×2）+（1+2×8）+（1+2×8）+（1+2×4）=52，再加上一个FC全连接层，即可以组成一个Darknet53分类网络。不过在目标检测Yolov3中，去掉FC层，不过为了方便称呼，仍然把Yolov3的主干网络叫做Darknet53结构。

YOLOv3网络的输入输出

锚框 在COCO数据集上KMeans聚类了9（3*3）种尺度的anchor（先验的超参数） 锚框只给出了框的宽度和高度，怎么去表示图像中物体真实框？ 有多少个真实框？分别在图像的哪个位置？

锚框的宽度和高度是固定的，物体真实框的宽度和高度各种各样，怎么去表示？

从锚框到预测框 输出特征图高度、宽度为H, W,相当于将图像划分为H*W个网格 图像的每个网格对应输出特征图HW平面上一个点 为什么要有锚框 为什么要有锚框？ 对于YOLOv3来说，巨人的名字叫”锚框“在数据集上Kmeans聚类得到锚框生成的预测框**仅需要在锚框基础上”微调“**即可收敛更快，效果更好 YOLOv3检测流程 真实框匹配 真实框的中心落在哪个网格上，就由哪个网格负责检测这个真实框 真实框的中心会落在三个特征图的网格上，每个网格有三个锚框，哪个锚框来检测这个真实框呢？ –所有的9个锚框中，与真实框最匹配的，即IoU最大的负责检测这个真实框 如果两个真实框落在同一个网格上，还匹配了同一个锚框，怎么办？

如果两个真实框落在了同一个网格上，还匹配了同一个锚框，怎么办？ 后一个真实框覆盖前一个真实框的信息，前一个真实框就会丢失了，这就是yolov3原理层面上决定的，不适合检测靠的近的，有遮挡的物体或者群体，因为很有可能他们落在了同一个网格同一个锚框上。 由真实框得到监督信息 yolo的思想是各通道之间是互相独立的，也就是各类别之间独立，也就允许多类别检测。所以用sigmoid，类别之间不互相干扰。softmax只允许一个类别

YOLOv3不使用Softmax对每个框进行分类，主要考虑因素有两个：

Softmax使得每个框分配一个类别（score最大的一个），而对于Open Images这种数据集，目标可能有重叠的类别标签，因此Softmax不适用于多标签分类。Softmax可被独立的多个logistic分类器替代，且准确率不会下降。

损失函数 需要计算哪些损失？ 1）有真实框落在的锚框（正例） 2） 没有真实框落在的锚框（负例）

objectness损失：将预测框的objection向0回归

3） 只给了真实框落在的锚框回归真实框的机会？样本倾斜？（非正非负）

不是匹配的锚框但是其对应的预测框与任一真实框IoU不小于ignore threshold(0.7),不计算损失

9. 计算预测框 10. NMS

PaddleDetection中YOLOv3模型介绍

总结

YOLO发展史

YOLO(v1)：首个单阶段目标检测深度学习模型，将目标检测当作一个单一的回归任务，基于锚框学习“形变”系数YOLOv2：全卷积网络结构、Kmeans聚类anchors，多尺度训练YOLOv3：新骨干网络DarkNet53，多尺度预测

YOLOv3检测原理

网络：输出特征图H,W维为网格锚框：9个锚框，每个尺度3个预测框：输出特征图C上为预测框信息，5+class_num

PaddleDetection中的YOLOv3模型

丰富的模型库。高精度高性能的YOLOv3模型一键式运行YOLOv3模型，YOLOv3模型配置文件解析集成PaddleSlim压缩能力，高性价比的YOLOv3压缩模型更快更强的PP-YOLO模型