yolo模型如何把GPU占满

 

• 对相互靠近的物体，以及很小的群体检测效果不好，这是因为一个网格只预测了2个框，并且都只属于同一类；
• 对不常见的角度的目标泛化性能偏弱；
• 定位不准确，尤其是大小物体的处理上，还有待加强；
• 端对端网络在前期训练时非常困难，很难收敛；
• 预训练的输入224x224，预测的输入448x448，模型需要适应图像分辨率的改变；

YOLOv2的改进：

1、Batch Normalization(批归一化）

• 对网络的每一层的输入(每个卷积层后)都做了归一化，这样网络就不需要每层都去学数据的分布，收敛会更快；
• map得到2%的提升；
• 对模型起到正则化的效果；
• 不需要再使用dropout层；

2、High Resolution Classifier(更高分辨率的分类器)

• YOLOv1使用的是224x224的输入，在ImageNet上进行预训练；
• YOLOv2则将预训练分成两步：
  先用224x224的输入从头开始训练网络，大概160个epoch，然后再将输入调整到448x448，再训练10个epoch，然后再fine-tuning自己的数据；
• map提高了4%；

3、Anchor Boxes

• 原来的YOLO是利用全连接层直接预测bounding box的坐标，而YOLOv2借鉴了Faster R-CNN的思想，引入anchor；
• 首先将原网络的全连接层和最后一个pooling层去掉；
• 缩减网络，由448x448–>416x416，最终输出13x13的feature map；
• 检测的box变多，提高Object的定位准确率，YOLO(bounding box)：7x7x2=98，YOLOv2(anchor box，每个box预测的5个值：tx，ty，tw，th和to)：13x13x5=845；

4、Dimension Clusters

• 利用K-means聚类(用欧式距离来衡量差异)对训练集的bounding boxes做聚类，计算出更好的Anchor模板；
• 通过IOU定义距离函数，使得误差和box的大小无关：
• 根据模型复杂度与recall，选择了K=5
  

5、Direct location prediction

• Faster R-CNN 算法中，是通过预测 bounding box 与 ground truth 的位置偏移值tx，ty间接得到bounding box的位置
• 由于tx,ty没有限制，会导致每个位置预测的边界框可以落在图片任何位置，这会导致模型的不稳定性，其公式如下：
  
  改进为：
• 预测边界框中心点相对于该网格左上角坐标(Cx,Cy)的相对偏移量，同时为了将bounding box的中心点约束在当前网格中；
• 使用 sigmoid 函数将tx，ty(tx,ty是预测的关于anchor的偏移量)归一化处理，将值约束在0-1，这使得模型训练更稳定；
• 即每个anchor只负责预测目标中心点落在的那个grid cell区域的目标；
• to也是需要用sigmoid函数进行限制的；
• cx和cy表示中心点落在的那个grid cell与图像左上角的横纵坐标距离，黑色虚线框是bounding box，蓝色矩形框就是预测的结果。

6、Fine-Graind Features

结合底层的信息

• 输出13x13，融合相对更低层的26x26分辨率的特征图；
• 通过passthrough layers来实现，能将相对底层的特征图与高层的特征图进行融合，提升小目标的检测效果；
• 宽高变为原来的1/2，深度变为原来的4倍，26x26x64 —>13x13x256
  ，将13x13x256与13x13x1024进行融合—>13x13x1280，与论文中有所不同，作者的源码加入了一个1x1的卷积层；

7、Multi-Scale Training

多尺度训练

• 将图片缩放到不同的尺寸训练，提升鲁棒性；
• 每迭代10个batch，就将网络的输入尺寸进行随机选择(32的倍数)；

8、网络结构的改进

• 19个卷积层，5个池化层；
• 输入416x416x3，输出13x13x125(125=5x25=5x(20+4+1)，5个先验框，20个类别，4个坐标值，1个置信度)
• 去掉最后一个卷积层；
• 添加3个3x3的卷积层(每个卷积层有1024个filter)，最后连接一个1x1的卷积层，1x1卷积的filter个数根据需要检测的类来定(每个grid cell5个box=5x(5+20)=125)。
  即：



• 每一个convolutional都是由conv2d + BN + LeakyReLu 组成；