yolov1,v2,v3的比较 小哼哼

因为这周要做ppt，只阅读yolov3的文章感觉还是不够，故作此次记录去比较yolo发展的不同，加强记忆辣。

一.网络结构的不同

图1 YOLOv1的网络架构，24卷积层+2FC（全连接层）图2 YOLOv2的网络架构，22卷积层，global average pooling替代了FC（全连接层）图3 YOLOv3网络结构 Darknet-53 106个卷积层

首先，从网络结构上说，YOLOv1是卷积层、迟化层和全连接层的组合；

YOLOv2在v1的基础上，去掉了全连接层，在每一个卷积层后边都添加了一个批一化层（batch normalization），并且对每一批数据都做了归一化的预处理，这两个改变就可以提升了算法的速度；

YOLOv3在网络结构上采用的是Darknet-53，在v2的基础上每隔两层增加了一个residual networks(残差网络),即short cut层，使用这种办法对于训练很深层的网络呢，可以解决梯度消失或者梯度爆炸的问题。残差网络的作用：https://blog.csdn.net/qq_34886403/article/details/83961424

 

 

二.训练误差

图 4 YOLOV1图5 YOLOv2图 6 YOLOv3

对于yolov3来说，坐标误差是和YOLOv1一样的，但是对于后三项，即IOU误差和分类误差来说，yolov3使用的是二元交叉熵误差来替代。以下是二元交叉熵的知识：小飞鱼：损失函数——交叉熵损失函数。交叉熵可以用在神经网络中的分类问题，结合交叉熵当损失函数时，在模型效果差的时候学习速度比较快，在模型效果好的时候学习速度变慢。

三.细节的不同

图7 YOLOv1-->YOLOv2

上图呢是对yolov1做了相对应的改变时，同一数据集上mAP的改变量。(等比完了再说说啥是AP)

加了BN层，mAP可以提高2.4%；加了高分辨率分类器，可以提高3.7%；加了卷积层和锚框，虽然mAP略降一点（0.3%），但是其他的性能会提高；使用维度优先和定位预测，又可以增加4.8%;增加passthrought，又可增加1%，最后增加高精度检测器，又可以增加1.4%。

v1的缺陷：虽然使用了B个边界框，但是最后只输出一个检测的结果，这就出现一张图片只能够检测一个物体的情况。

再者呢，YOLOv1最后两层是全连接层，参数冗余。在检测时，YOLO 训练模型只支持与训练图像相同的输入分辨率。其它分辨率需要缩放成此固定分辨率；由此呢就迎来了YOLOv2的出生！

BN层也就是batch normalization层，YOLOv2在输入数据时就先做了一次归一化处理，然后后期每一层卷积层之后都增加了一个BN（批归一化层）也就是把数据都限制在了相似的范围之内，可以加快训练的速度。也有防止过拟合的作用，v2加入BN之后，也删除了dropout，且发现神经网络并没有出现过拟合。可以参考：

https://blog.csdn.net/CHNguoshiwushuang/article/details/80411361​blog.csdn.net

YOLOv3和YOLOv2区别

1.锚框使用Kmeans聚类的方法，一共九个锚框，每个尺寸的特征图呢使用3个锚框。

2.loss后面三项用二分类交叉熵代替原始的误差和平方。

3.多尺度预测，增加对细粒度物体的检测力度。

4.大量使用残差网络，对训练更深度的神经网络而言，可以消除梯度消失或梯度爆炸的问题。

 

遇到的小问题之一：

锚框如何使用？

在没有锚框时，把物体分给物体中心所在的grid cell中判别；

有了锚框之后，把物体分给物体中心所在的grid cell，并且还分给了和物体对象形状交并比最高的一个锚框。

 

原文：https://zhuanlan.zhihu.com/p/73606306?from_voters_page=true