Yolo V1、V2目标检测系统【详解】看不懂就在评论区diss我好吗_yolov1

作者：一键难忘520 | 2024-08-16 01:12:51

踩

yolov1

文章目录

一、Yolo V1

1、YoloV1的核心思想

Yolo V1的核心思想就是：One cell will be responsible for predicting an object as long as an object’s center locating in that cell.翻译为中文：只要物体落在哪个格子（cell）中，那么那个格子（cell）将会预测这个物体。如图：

在这里插入图片描述

1.1 YoloV1存在的缺陷

因为一个格子（cell）只能预测一个物体，如果2个物体的中心点落在同一个格子（cell）内，那这2个物体就不能被同时预测。

2、YoloV1预测过程

Each cell predicts B bounding box with a confidence，翻译为：每个格子预测B个有置信度的边界框。

在这里插入图片描述
如上图第一行是边界框的中心。

第二行是边界框的置信度，包括两个部分，其中 $P_{r}(object)$ 表示预测的是不是物体，预测值在 0~1 之间， $IoU^{truth}_{prd}$ 表示预测物体的置信度，即预测的准不准，预测值也在 0~1 之间，所以总体的置信度都在0~1之间；需要注意的是网络预测的是置信度，不预测具体的 $P_{r}(object)$ 、 $IoU^{truth}_{prd}$ 。

第三行是网络预测的最终输出结果，从这里可以看出，一个格子预测的B个边界框都是属于同一个种类。

3、YoloV1的Loss组成

YoloV1的Loss由3部分组成，包括中心点的Loss，置信度的Loss，类别的Loss

在这里插入图片描述

关于 $\mathbb{I}^{obj}_{ij}$ ，原论文是这样解释的：we have B predictions in each cell, only the one with largest IoU shall be labeled as 1。

在这里插入图片描述

3.1 中心点的 Loss

在这里插入图片描述
$x, y$ :predicated bbox center,

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/一键难忘520/article/detail/985958