Abstract

在《基於深度學習的目標檢測思路》中，提到了可以用滑動視窗的思路來做目標檢測。除了滑動視窗，還有其他的目標檢測演算法嗎？

目標檢測介紹

傳統的目標檢測演算法，都是基於滑動視窗，訓練模型的，如下圖所示。

該方法對目標的標註，需要標註目標的位置、大小、型別等資訊，標註成本是很高的。但是，做目標檢測是少不了這個標註工作的。
這種傳統的滑動視窗目標檢測方法，最大的缺點是： 視窗大小不固定，需要動態改變視窗做多次訓練、預測操作，這對模型的訓練是非常耗時的。

有沒有辦法針對一幅影象，只做一次訓練呢？這就是YOLO演算法要解決的問題。

YOLO演算法

YOLO演算法的做法，是用一個MxN的網格覆蓋在原圖上，並對各個小網格的內容進行標註。如下圖所示，我們這裡假設影象是100x100x3的彩色影象，網格是3x3的，但實際使用過程中，網格會更密。

網格覆蓋原圖後，就對每個小網格的內容進行標註，需要標註如下資訊

• pc：小網格內是否有目標物體的中心點，注意是根據中心點進行標註，橫跨多個網格的物體也只標註有中心點存在的網格。
• bx,by,bh,bw：目標物體中心點在網格中的x-y座標，以及目標物體的長、寬。一般將小網格長寬取1後進行標註，這樣位置座標都被轉化為0~1之間的數值。
• c1，c2，c3：類別，這裡假設分三類。

可見，每個小網格需要標註8個Y值。如圖3x3的網格，需要標註3x3x8個輸出值。標註中有一個小技巧，就是儘量將Y值轉化為0~1之間的數值。

最終訓練模型時，一幅影象，只需要訓練一次：

• 輸入：100x100x3
• 輸出：3x3x8

所以YOLO演算法的效率很高，可以做到實時檢測。

YOLO演算法例項

參考

本文圖片取自AndrewNG的Deep Learning課程，在此表示感謝！