YOLOv1

Implementation of YOLOv1

Что за YOLOv1?

YOLO - это популярная one-shot модель детекции объектов на изображении. YOLOv1 - это первая версия модели, которая была разработана в 2016 году. На данный момент уже выпущена YOLOv5.

В репозитории есть .py файлы, в которых есть реализации оснвоных функций: YOLO Loss, Модель Yolo, Non-maximum supression, Mean-average precision и т.д.

Дальше я хочу пояснить за основные функции, модель и лосс, чтоб людям было понятнее, откуда и что берется.

Модель Yolo

Модели поступает на вход 3-х канальное изображение с высотой и широтой 448 на 448. По средствам сверточных и полносвязных слоев, реализованных полностью с оригинальной статьи по YOLO, на выходе мы получаем тензор с размерами SS(5*B+C), где

S*S - размер кол-во клеток, разбивающих исходное изображение, в которых будут предсказываться боксы и классы.
B - это кол-во боксов, предсказанных в одной такой клетке. Пятерка стоящая перед B показывает, что каждая клетка должная иметь 4 координаты задающие прямоугольник и еще значение уверенности в том, что внутри прямоугольника есть объект.
C - это кол-во классов в датасете.

YOLO Loss

Yolo Loss разбит на две основные части:

Если у нас бокс предсказывает объект в клетке, где действительно есть объект, то есть наш таргет бокс, то у нас лосс принимает бокс с наибольшей уверенностью в этой клетке и считает сумму квадратичных ошибок координат центров, корней широт, уверенности и пересечения предсказанного бокса и таргет бокса (IoU), классов.
Если у нас бокс предсказывает объект в клетке, где нет объекта (таргет бокса), то у нас считается квадратичная ошибка уверенностей боксов с нулем.

Конечно, еще нужно упомянуть, что так как у нас мало объектов, а боксов предсказанных много, то модели может станет выгодно занулять уверенности, ведь их часто просят быть около нуля, поэтому перед уверенностями в лоссе добавляют $\lambda_{obj}$ и $\lambda_{noobj}$, где $\lambda_{obj}$ должен быть больше на порядок, чем $\lambda_{noobj}$.

Non-maximum supression

Эта функция, использующаяся на инференся, когда у нас могут несколько боксов предсказывать один объект и сильно перекрываться между собой. Вот эти перекрывающиеся боксы мы и убераем. Так же тут убираются боксы с маленькими уверенностями.

Mean-average precision

Эта функция считает основную метрику для задачи детекции, которая заключается в том, что мы считаем PR-AUC для каждого класса и потом вычисляем их среднее. В файле Utils.py об этом рассказано подробнее.

Итог

В файле Baseline.ipynb есть весь код от обработки датасета до обучения итоговой модели и просмотра её результата. В других файлах собраны все функции и классы, написанные в Baseline.ipynb, для удобства их поиска, если нужна реализация конкретно чего-то.

Tiltovskii/YOLOv1