图像识别技术与应用

YOLO系列

·YOLO-V3

• 终于到V3了，最大的改进就是网络结构，使其更适合小目标检测
• 特征做的更细致，融入多持续特征图信息来预测不同规格物体
• 先验框更丰富了，3种scale，每种3个规格，一共9种
• softmax改进，预测多标签任务

多scale

• 为了能检测到不同大小的物体，设计了3个scale

scale变换经典方法

左图：图像金字塔；右图：单一的输入

:

scale变换经典方法

• 左图：对不同的特征图分别利用；右图：不同的特征图融合后进行预测；

残差连接-为了更好的特征

• 从今天的角度来看，基本所有网络架构都用上了残差连接的方法
• V3中也用了resnet的思想，堆叠更多的层来进行特征提取

核心网络架构

• 没有池化和全连接层，全部卷积
• 下采样通过stride为2实现
• 3种scale，更多先验框
• 基本上当下经典做法全融入了

核心网络架构

·先验框设计

• YOLO-V2中选了5个，这回更多了，一共有9种
• 13*13特征图上：(116x90)，(156x198)，(373x326)

  26*26特征图上：(30x61)，(62x45)，(59x119)

  52*52特征图上：(10x13)，(16x30)，(33x23)

先验框设计

• YOLO-V2中选了5个，这回更多了，一共有9种

·softmax层替代

• 物体检测任务中可能一个物体有多个标签
• logistic激活函数来完成，这样就能预测每一个类别是/不是