深度学习系列之Gaussian_YOLOv3 个人总结

深度学习系列之Gaussian_YOLOv3 个人总结

https://github.com/jwchoi384/Gaussian_YOLOv3

​ ICCV 2019会议上 Jiwoong Choi等人在YOLOV3的基础上进行修改得到了Gaussian YOLOv3网络结构，该网络结构的mAP比YOLOv3(512x512)高3个点。

创新点

​ 作者认为在常规的Single Stage目标检测网络中，分数和边框都是单独回归的，而边框回归的不确定性是没有判断的，因此引入了对边框的不确定分数，最后在yolov3的分数基础上乘以（1-不确定性分数），得到总分。采用了高斯模型来回规边框。

方法

利用高斯模型：
$p(y | x)=N(y ; \mu(x), \Sigma(x))$p(y∣x)=N(y;μ(x),Σ(x))
网络模型结构为：

使用3个尺度的Feature map用于目标检测输出，如下图

​ 如上图，在每个detection前，尺度都不同(16x16,32x32,64x64)。这里用到了上采样。(可以提供更多的语义信息和细粒度特征)。

​ 在Gaussian YOLOv3中，我们的anchor是9个，是由K均值产生的，每个尺度分配3个anchor。其中每个尺度下每个位置预测3个bbox(8个位置输出+1个objectness+C个类别的分数)。所以每个位置输出**(1+8+C)*3**个值，这也就是训练时.cfg里的filter的数量。默认anchor是利用k-means聚类得到，可参考【Yolov2、Yolov3、Gaussian_Yolov3使用K-means聚类计算anchor boxes方法】

YOLOv3中.cfg中 filter输出为：3x（1+4+C），C表示类别数

边框输出部分变为：

​ 其中u()为边框的坐标，∑为各坐标的不确定性 。

YOLOv3的边框输出为：

实验结果