計(jì)算機(jī)視覺——YOLO算法原理

YOLO：You only look once.

YOLO算法基本原理

1. 將一張圖片等分為S*S個(gè)區(qū)域
2. 每一個(gè)區(qū)域負(fù)責(zé)檢測，目標(biāo)對象的中心落在本區(qū)域內(nèi)的物體
3. 每個(gè)預(yù)測到的物體會(huì)產(chǎn)生多個(gè)可能的邊界框
4. 每個(gè)單元格會(huì)產(chǎn)生一個(gè)[有無對象Pc,x,y,w,h,class1,class2,classN]向量

初次看到這個(gè)算法的過程，會(huì)很疑惑，因?yàn)檫@個(gè)過程缺少了一些細(xì)節(jié)。
例如：如何檢測物體的中心？如何產(chǎn)生可能的邊界框？如何判斷邊預(yù)測的界框是否正確？讓我們看后面的內(nèi)容。

交并比（IoU)

交并比是一個(gè)評估邊界預(yù)測好壞的評估算法。
通常，當(dāng)IoU>=0.5，視為預(yù)測正確。

0.5的取值完全認(rèn)為，可以設(shè)置其他的，根據(jù)具體精度要求來決定。
如果預(yù)測結(jié)果和真實(shí)結(jié)果完全重合，IoU=1.

訓(xùn)練方法

首先讓我們來看這個(gè)網(wǎng)絡(luò)結(jié)構(gòu)，該結(jié)構(gòu)是一個(gè)常規(guī)的卷積網(wǎng)絡(luò)結(jié)構(gòu)。從網(wǎng)絡(luò)中可以得到，適用卷積核，按照卷積核大小的步長進(jìn)行卷積，這樣就實(shí)現(xiàn)了把一個(gè)圖片分成多一個(gè)區(qū)域。大大減少了圖片的卷積次數(shù)，但是也降低了精準(zhǔn)度（相比滑動(dòng)窗口檢測方法）。

然后再來看Loss函數(shù)，Loss函數(shù)由四部分組成：

1. 對象存在誤差
2. 位置誤差
3. 邊框大小誤差
4. 類別分類誤差

的意思指，當(dāng)沒有對象時(shí)(no object)為1，否則為0.

非最大值抑制

如何檢測到物體的中心？
當(dāng)很多方框中都有要檢測的目標(biāo)的時(shí)候，
這些方框會(huì)說，嘿！我的區(qū)域里面有你要的對象！
那么這個(gè)時(shí)候，到底哪個(gè)方框才是物體的中心呢？
也確實(shí)沒辦法知道，所以就讓這些方框都進(jìn)行檢測這個(gè)物體。
那么就會(huì)得到一個(gè)物體，被多個(gè)方框所框住。

通過非最大值抑制算法可以實(shí)現(xiàn)，確保圖片中的每一個(gè)物體，只被一個(gè)方框給框住，而不會(huì)出現(xiàn)同一個(gè)物體上出現(xiàn)多個(gè)方框。

具體的過程：
有無對象(Pc)，在"算法原理"中提到

1. 通過YOLO算法進(jìn)行預(yù)測
2. 將有無對象(Pc)<0.6(或者其他值)的結(jié)果去除
3. 對剩下的結(jié)果進(jìn)行以下循環(huán)：
1. 找到Pc最大的一個(gè)數(shù)據(jù),這個(gè)就是最終要的結(jié)果
2. 通過計(jì)算其他產(chǎn)生的邊界框與Pc最大的數(shù)據(jù)的邊界框進(jìn)行IoU計(jì)算，去除IoU>=0.5的其他邊界框。
3. 直到?jīng)]有新的最終結(jié)果的產(chǎn)生

通過這個(gè)循環(huán)，我們最終就會(huì)得到，確保每一個(gè)物體只有一個(gè)邊界框，且這個(gè)邊界框是可能性最大的。

在實(shí)際操作中，對于多個(gè)類型的物體，例如汽車，人，自行車等
應(yīng)該對這三種類型進(jìn)行三次的獨(dú)立非最大值抑制
因?yàn)槿绻黄疬M(jìn)行非最大值抑制的話，當(dāng)人遮擋汽車的時(shí)候，人和車的結(jié)果就會(huì)不準(zhǔn)確。兩者的IoU比較大。

錨點(diǎn)框(Anchor Boxes)

為什么會(huì)產(chǎn)生這個(gè)算法呢？
在以下條件下：

1. YOLO的區(qū)域數(shù)量比較小，每個(gè)區(qū)域比較大
2. 人遮擋車

導(dǎo)致，人和車的中心點(diǎn)不巧剛好落到同一個(gè)區(qū)域內(nèi)，
而每個(gè)區(qū)域只能輸出一個(gè)[有無對象Pc,x,y,w,h,class1,class2,classN]向量，那么CNN就會(huì)隨機(jī)輸出人或者車。

那么如何解決這個(gè)問題呢？
人是豎著的，車是橫著的，那么我們可以讓每一個(gè)區(qū)域負(fù)責(zé)去識別兩次(由錨點(diǎn)框的數(shù)量決定）。
產(chǎn)生這樣的一個(gè)向量：
[有無對象Pc,x,y,w,h,class1,class2,classN,有無對象Pc,x,y,w,h,class1,class2,classN]，即[2*n]，你也可以把，這個(gè)拆成[2,n]。

將結(jié)果分成兩個(gè)區(qū)域，第一個(gè)是豎著的錨點(diǎn)框，第二個(gè)是橫著的錨點(diǎn)框。
存放的時(shí)候，計(jì)算w/h（寬高比），和錨點(diǎn)的寬高比進(jìn)行比較，相近即屬于該錨點(diǎn)框。如此就可以解決這個(gè)問題了。

但是其實(shí)這個(gè)并不能解決3個(gè)物體重疊的情況， 也不能解決錨點(diǎn)框相似的情況的重疊，

不過值得慶幸的是，當(dāng)YOLO的區(qū)域足夠多的時(shí)候，發(fā)生重疊的概率比較小，如果不幸發(fā)生了，那就需要寫一個(gè)選擇算法，選擇其中一個(gè)。

YOLO算法實(shí)現(xiàn)

借助YOLO算法，實(shí)現(xiàn)對水表的表盤目標(biāo)檢測。去Github下載

本文僅做學(xué)術(shù)分享，如有侵權(quán)，請聯(lián)系刪文。