一，IOU置信度與非極大值抑制NMS

在第一篇文章中我們講到，對于一張圖片，在前向傳播的過程后（也就是卷積，池化，全連接等等），會生成許許多多個預測框，那么怎么從這么多預測框篩選出最好的幾個框來達到預測功能呢？這里就需要用到IOU和非極大值抑制。

---

（1）IOU：

什么是IOU？

（1.1）訓練階段：

在模型訓練階段IOU會首先篩選置信度小于閾值的檢測框，接著將剩下的預測框與人工標注的真實框做IOU匹配，用來判斷是否正確檢測到了目標，為后面的反向傳播做準備

（1.2）推理預測階段：

用于非極大值抑制，

推理階段計算IoU的主要目的是篩選重疊的預測框，避免重復檢測同一個目標。具體步驟如下：

1. 按置信度排序：將所有預測框按置信度從高到低排序。
2. 選擇最高置信度的框：保留置信度最高的框作為有效檢測。
3. 計算IoU：計算該框與其他所有未處理的框的IoU。
4. 抑制重疊框：
   • 如果某個框與當前最高置信度框的IoU超過閾值（如0.5），則認為它們檢測的是同一個目標，因此丟棄置信度較低的框。
     （這里是什么意思呢？就是說因為一個物體必然會占據7*7個小方格中的許多個，都是有效檢測的，如果采取只保留置信度最高的，那么如果圖片里面有多個同類物體，那么只能檢測一個類別物體中的一個，所以我們采用IoU超過閾值（如0.5）舍棄的方法，因為如果兩個同類物體雖然置信度都很高，但是彼此不重疊，所以iou值很低，不會被刪除，這樣既能獲取最高的置信度框，又能避免刪去同類的其他物體，而這就是非極大值抑制）
   • 重復上述過程，直到處理完所有框。

     

ps:類別置信度=（確實有目標物體的前提下）置信度×類別概率

后處理階段=IOU+NMS?

二，關于YOLOV2的改進點?

在yolov1的基礎上，yolov2進行了許多改進，讓我們來看看吧~

改進點有：

2.1 引入批歸一化（Batch Normalization, BN）層

問題來源：如下圖左邊：

當我們在進行數據輸入時，我們知道，很多數據的量綱是不統一的。如果此時大小較小的數據?

更為重要，那很明顯w1的值就要很大，但是由于梯度下降時漸進的，這時參數更新可能需要很多步才能到達最優點。而如果我們進行歸一化操作（如右圖），那么梯度更新將變得不那么復雜。也就是說，歸一化后的數據分布更穩定，網絡在訓練時更容易找到最優解，從而加快收斂速度。

當然，加入BN層還有其他好處。

---

2.1.1 BN層計算步驟

---

2.2 采用高分辨率網絡訓練?

相較于yolov1，yolov2先用低分辨率進行訓練，之后再用實際檢測需要的高分辨率數據進行再訓練，有效提高了準確率。

?2.3 刪去全連接層 -->convolutional

?

（1）最后的幾個全連接層以及前面的最后一個pool層被刪去，這有利于獲得更高分辨率的圖片。

（2）采用416*416進行輸入的原因是最后的輸出是13*13是奇數矩陣，原來是偶數矩陣的弊端是，按照統計規律，圖片目標物體位于中心的可能性較大，這時物體中心點很可能位于映射邊框上，使得模型難以區分該點是屬于哪一格子里的。

（3）采用解耦合的好處，原來的格子是2個檢測框，每個格子的類別概率同屬2個檢測框，這樣會使得兩個檢測框只能檢測同一種物體。而解耦合能使得每個檢測框都有自己獨立的類別檢測概率，從而實現一個格子里面可以檢測出多種物體。

---

2.3.1 采用anchor錨框

?怎么理解這個錨框呢？就是我們考慮到yolo模型通過主干網絡提取的信息來確定框框的大小還是有點難的，所以我們給他點“提示”，我們先設定了大小，長寬比不同的box（共9個，后面會通過聚類算法減成5個），之后模型基于此anchor等比例縮放（而不是從0開始畫），就能比較好的結合獲取到的全局特征，檢測出物體并正確畫框。

---

因此，基于convolutional+anchor,我們最后的輸出將變成13×13×125.其中125=（5（5個框）*25(每個框都有獨立的x,y,w,h,c+20個類別，且每個框都有anchor輔助）

?

同時，作者還采用聚類分析來自動設定anchor錨框，極大提高了準確性。

?2.3.2 引入了新的網絡架構Darknet-19

?2.4 采用了passthrough

這里就是說為了能夠保留細節信息，我們將某一階段卷積之后圖像先通過passthrough(也就是說如果最后輸出是13*13*m，那么我們就要將該圖像變換成13*13*4*n(n代表通道數，可以和m不一樣），然后將該圖像與最后輸出的特征圖進行contact操作，這樣最后輸出的圖像既有特征提取的，也保留了細節信息。

?

2.5 多尺度訓練?

?ok，that's all。知識瘋狂涌進腦子，消化不過來了