yolo 系列

yolo-v2

darknet，yolov2 中提出，取缔所有的全连接层

两种卷积 33（借鉴于 VGG，小卷积，感受视野大）和 11（省参数）

fast-rcnn 3 中不同尺度，每种尺度下有 3 种尺寸比例，共 9 种框；先验尺寸比列未必适合数据集。yolov2 对其改进，对真实框进行聚类提取先验框：

k-means 聚类，k=5. 欧式距离尺度敏感（大框欧式误差更大，小框更小），因此替换为下述距离，

为何要引入先验框 yolo-v2-anchor box

先验框未必都是正确的框，因此 MAP 提升不多，甚至略有下降；但是有先验框后，捕捉到的正确框会更全面，查全率 有上升

‍

如何对先验框进行调整来预测位置

天才般的想法

yolo-v1 直接预测偏移量，这样中心点很容易飘，跨度大，甚至飘到图的外面去

yolo-v2 预测相对格子的偏移量，相对值在 0-1 之间，对应于 sigmoid 函数输出，这样中心点永远在一个格子内调整

‍

多尺度

yolov2 没有全连接层了，全是卷积层，因此可以调整输入大小。在训练阶段调整尺寸，适应不同尺寸输入

yolo-v3

多尺度

前面的层感受野小，预测小目标；后面的层感受野大，预测大目标

三种尺度，每种尺度 3 种候选框

Scale 变化

图像金字塔：同一张图不同尺寸 resize

yolov1: CNN，单一尺度

特征融合

加入 残差连接--resnet

不加残差，更深的 VGG 效果反而更差

核心网络--darknet53(理解为 resnet 也可以)

V2 去掉了全连接

V3 去掉了池化；下采样通过卷积层的 stride 为 2 来实现。全部使用卷积层

先验框设计

依然选用了 V2 中的聚类。

大的先验框分配给大视野的 13*13

小的先验框分配给小视野的 52*52

‍

下图蓝色部分，表示特征图下对应三个框

‍