面向嵌入式的CV&深度学习-YOLO目标检测

技术洞察TIC
587 阅读1分钟

感谢同济子豪兄开源贡献，可去B站搜索详细内容，本文是笔者学习总结。

1 理论

1.1 预测阶段

image.png image.png

1.2 预测阶段NMS非极大值抑制

image.png image.png

  • IOU交并比超过0.5的，说明两个预测框预测了同一个物体，把第二高bb20置为0（第二名与第一名比） image.png image.png
  • 后续都与bb15进行比较，IOU交并比超过0.5的，把第四高bb7置为0，说明预测框预测了同一个物体，并把后续概率都置为0（第四名与第三名比） image.png image.png
  • 把各个类别都执行一遍极大值抑制，得到很多令稀疏矩阵 image.png image.png

1.3 预测阶段后处理流程

image.png

1.4 训练过程

image.png

2 CVPR 2016

image.png image.png image.png image.png image.png

3 论文精讲

3.1 VOC 2007 （VOC 20类别，COCO 80类别）

image.png image.png image.png image.png image.png image.png

  • 迁移泛化能力 image.png image.png

3.2 论文分析（摘录，详细请参考同济子豪兄开源贡献）

image.png image.png image.png image.png image.png image.png image.png image.png image.png image.png image.png image.png image.png image.png

4 代码分析

4.1 前向传播

  • YOLO 模型输出，预测值 x, y, w, h，confidence,class分类提取 image.png image.png
  • compute_grid_offsets：计算Grid image.png
  • 计算特征图中的预测值实际位置 image.png
  • 损失函数计算 image.png

4.2 build_targets

image.png image.png image.png

  • bbox_wh_iou image.png
  • bbox_iou image.png
avatar
文章
阅读
粉丝