YOLO目標檢測

目 錄
第　1部分 背景知識
第　1章 目標檢測架構(gòu)淺析　2
1.1　目標檢測發(fā)展簡史　2
1.2　目標檢測網(wǎng)絡(luò)框架概述　5
1.3　目標檢測網(wǎng)絡(luò)框架淺析　5
1.3.1　主干網(wǎng)絡(luò)　5
1.3.2　頸部網(wǎng)絡(luò)　7
1.3.3　檢測頭　9
1.4　小結(jié)　10
第　2章 常用的數(shù)據(jù)集　11
2.1　PASCAL VOC 數(shù)據(jù)集　11
2.2　MS COCO 數(shù)據(jù)集　12
2.3　小結(jié)　14
第　2部分 學(xué)習YOLO框架
第3章　YOLOv1　16
3.1　YOLOv1 的網(wǎng)絡(luò)結(jié)構(gòu)　16
3.2　YOLOv1 的檢測原理　18
3.3　YOLOv1 的制作訓(xùn)練正樣本的方法　21
3.3.1　邊界框的位置參數(shù) tx、ty、w、h　21
3.3.2　邊界框的置信度　23
3.3.3　類別置信度　26
3.4　YOLOv1 的損失函數(shù)　26
3.5　YOLOv1 的前向推理　27
3.6　小結(jié)　29
第4章　搭建YOLOv1網(wǎng)絡(luò)　30
4.1　改進 YOLOv1　30
4.1.1　改進主干網(wǎng)絡(luò)　31
4.1.2　添加一個頸部網(wǎng)絡(luò)　32
4.1.3　修改檢測頭　33
4.1.4　修改預(yù)測層　35
4.1.5　修改損失函數(shù)　37
4.2　搭建 YOLOv1 網(wǎng)絡(luò)　37
4.2.1　搭建主干網(wǎng)絡(luò)　39
4.2.2　搭建頸部網(wǎng)絡(luò)　41
4.2.3　搭建檢測頭　41
4.2.4　YOLOv1 前向推理　41
4.3　YOLOv1 的后處理　44
4.3.1　求解預(yù)測邊界框的坐標　44
4.3.2　后處理　46
4.4　小結(jié)　48
第5章　訓(xùn)練YOLOv1網(wǎng)絡(luò)　49
5.1　讀取 VOC 數(shù)據(jù)　49
5.2　數(shù)據(jù)預(yù)處理　56
5.2.1　基礎(chǔ)變換　56
5.2.2　數(shù)據(jù)增強　59
5.3　制作訓(xùn)練正樣本　61
5.4　計算訓(xùn)練損失　64
5.5　開始訓(xùn)練 YOLOv1　67
5.6　可視化檢測結(jié)果　74
5.7　使用 COCO 數(shù)據(jù)集 ( 選讀 )　75
5.8　小結(jié)　76
第6章　YOLOv2　77
6.1　YOLOv2 詳解　77
6.1.1　引入批歸一化層　78
6.1.2　高分辨率主干網(wǎng)絡(luò)　78
6.1.3　先驗框機制　79
6.1.4　全卷積網(wǎng)絡(luò)與先驗框機制　80
6.1.5　使用新的主干網(wǎng)絡(luò)　81
6.1.6　基于 k 均值聚類算法的先驗框聚類　82
6.1.7　融合高分辨率特征圖　84
6.1.8　多尺度訓(xùn)練策略　85
6.2　搭建 YOLOv2 網(wǎng)絡(luò)　87
6.2.1　搭建 DarkNet-19 網(wǎng)絡(luò)　87
6.2.2　先驗框　91
6.2.3　搭建預(yù)測層　92
6.2.4　YOLOv2 的前向推理　92
6.3　基于 k 均值聚類算法的先驗框聚類　95
6.4　基于先驗框機制的正樣本制作方法　96
6.4.1　基于先驗框的正樣本匹配策略　96
6.4.2　正樣本匹配的代碼　97
6.5　損失函數(shù)　103
6.6　訓(xùn)練 YOLOv2 網(wǎng)絡(luò)　105
6.7　可視化檢測結(jié)果與計算 mAP　105
6.8　使用 COCO 數(shù)據(jù)集（選讀）　106
6.9　小結(jié)　108
第7章　YOLOv3　110
7.1　YOLOv3 解讀　110
7.1.1　更好的主干網(wǎng)絡(luò) : DarkNet-53　111
7.1.2　多級檢測與特征金字塔　112
7.1.3　修改損失函數(shù)　116
7.2　搭建 YOLOv3 網(wǎng)絡(luò)　118
7.2.1　搭建 DarkNet-53 網(wǎng)絡(luò)　118
7.2.2　搭建頸部網(wǎng)絡(luò)　121
7.2.3　搭建解耦檢測頭　123
7.2.4　多尺度的先驗框　125
7.2.5　YOLOv3 的前向推理　127
7.3　正樣本匹配策略　130
7.4　損失函數(shù)　133
7.5　數(shù)據(jù)預(yù)處理　133
7.5.1　保留長寬比的 resize 操作　133
7.5.2　馬賽克增強　136
7.5.3　混合增強　138
7.6　訓(xùn)練 YOLOv3　140
7.7　測試 YOLOv3　140
7.8　小結(jié)　142
第8章　YOLOv4　143
8.1　YOLOv4 解讀　144
8.1.1　新的主干網(wǎng)絡(luò)：CSPDarkNet-53 網(wǎng)絡(luò)　144
8.1.2　新的特征金字塔網(wǎng)絡(luò)：PaFPN　146
8.1.3　新的數(shù)據(jù)增強：馬賽克增強　147
8.1.4　改進邊界框的解算公式　148
8.1.5　multi anchor 策略　149
8.1.6　改進邊界框的回歸損失函數(shù)　149
8.2　搭建 YOLOv4 網(wǎng)絡(luò)　150
8.2.1　搭建 CSPDarkNet-53 網(wǎng)絡(luò)　151
8.2.2　搭建基于 CSP 結(jié)構(gòu)的 SPP 模塊　153
8.2.3　搭建 PaFPN 結(jié)構(gòu)　155
8.3　制作訓(xùn)練正樣本　157
8.4　測試 YOLOv4　159
8.5　小結(jié)　161
第3部分　最新的YOLO框架
第9章　YOLOX　164
9.1　解讀 YOLOX　166
9.1.1　baseline 的選擇：YOLOv3　166
9.1.2　訓(xùn)練 baseline 模型　166
9.1.3　改進一：解耦檢測頭　167
9.1.4　改進二：更強大的數(shù)據(jù)增強　168
9.1.5　改進三：anchor-free 機制　169
9.1.6　改進四：多正樣本　169
9.1.7　改進五：SimOTA　169
9.2　搭建 YOLOX 網(wǎng)絡(luò)　173
9.2.1　搭建 CSPDarkNet-53 網(wǎng)絡(luò)　173
9.2.2　搭建 PaFPN 結(jié)構(gòu)　175
9.3　YOLOX 的標簽匹配：SimOTA　178
9.4　YOLOX 風格的混合增強　182
9.5　測試 YOLOX　185
9.6　小結(jié)　187
第　10章 YOLOv7　188
10.1　YOLOv7 的主干網(wǎng)絡(luò)　189
10.2　YOLOv7 的特征金字塔網(wǎng)絡(luò)　195
10.3　測試 YOLOv7　199
10.4　小結(jié)　200
第4部分　其他流行的目標檢測框架
第　11章 DETR　204
11.1　解讀 DETR　205
11.1.1　主干網(wǎng)絡(luò)　205
11.1.2　Transformer 的編碼器　208
11.1.3　Transformer 的解碼器　211
11.2　實現(xiàn) DETR　217
11.2.1　DETR 網(wǎng)絡(luò)　217
11.2.2　數(shù)據(jù)預(yù)處理　221
11.2.3　正樣本匹配 : Hungarian Matcher　222
11.2.4　損失函數(shù)　225
11.3　測試 DETR 檢測器　228
11.4　小結(jié)　228
第　12章 YOLOF　230
12.1　YOLOF 解讀　232
12.1.1　YOLOF 的網(wǎng)絡(luò)結(jié)構(gòu)　232
12.1.2　新的正樣本匹配規(guī)則：Uniform Matcher　234
12.1.3　與其他先進工作的對比　236
12.2　搭建 YOLOF　237
12.2.1　搭建主干網(wǎng)絡(luò)　238
12.2.2　搭建 DilatedEncoder 模塊　241
12.2.3　搭建解碼器模塊　242
12.2.4　數(shù)據(jù)預(yù)處理　244
12.2.5　正樣本匹配 : Uniform Matcher　246
12.2.6　損失函數(shù)　248
12.3　訓(xùn)練 YOLOF 檢測器　250
12.4　測試 YOLOF 檢測器　250
12.5　計算 mAP　251
12.6　小結(jié)　251
第　13章 FCOS　252
13.1　FCOS 解讀　253
13.1.1　FCOS 網(wǎng)絡(luò)結(jié)構(gòu)　253
13.1.2　正樣本匹配策略　255
13.1.3　損失函數(shù)　258
13.2　搭建 FCOS　258
13.2.1　搭建主干網(wǎng)絡(luò)　259
13.2.2　正樣本匹配　262
13.3　測試 FCOS 檢測器　266
13.4　小結(jié)　267
參考文獻　268
后記　272