YOLO简介

YOLO（You Only Look Once）：是一种基于深度神经网络的对象识别和定位算法，其最大的特点是运行速度很快，可以用于实时系统。

目标检测算法

RCNN：该系列算法实现主要为两个步骤：先从图片中搜索出一些可能存在对象的候选区（Selective Search），大概2000个左右；然后对每个候选区进行对象识别。检测精度较高，但速度慢。
YOLO：将筛选候选区域与目标检测合二为一，大大加快目标检测速度，但准确度相对较低。

评价指标

IOU

IOU（Intersection over Union）：交并比，候选框（candidate bound，紫色框）与原标记框（ground truth bound，红色框）的交叠率，IOU值越高，说明算法对目标的预测精度越高。

Area of overlap：原标记框与候选框的交集面积
Area of union：原标记框与候选框的并集面积

置信度

confidence：预测框里存在检测目标的可信度，当置信度大于设定阈值时，就认为该预测框内有检测目标，即通过「置信度」来实现对「待检测目标」与「背景」的划分。

confidence = Pr(Object) * IOU_{pred}^{truth}

$Pr(Object)$，候选框里存在物体的概率；
$IOU_{pred}^{truth}$，「预测框」与原标记框的交叠率。
- 预测框： 从一堆「候选框」中，选择了一个效果最好的当作「预测框」，一般取最值 $$ IOU_{pred}^{truth} = \max(IOU_0,IOU_1,\dotsm,IOU_B) $$

二分类指标

在「二分类」任务中，对样本的描述：

Position：正例，二分类中的一类样本，一般是想要的
Negative：负例，二分类中另一类样本，一般是不想要的
TP（True Position）：在拿出样本中，正确识别为正例
FP（False Position） ：在拿出样本中，错误识别为正例，即本身是负例（误判）
TN（True Negative） ：未拿出样本中，正确当负例舍弃
FP（False Negative） ：未拿出样本中，错误当负例舍弃，即本身是正例（遗漏）

二分类结果的评判指标：

精度（Accuracy）：正确分类样本占总样本的比列 $$ Accuracy = \frac{TP + TN}{TP+FP+TN+FN} $$
准确度（Precision）：识别正确的样本占被拿出样本的比列 $$ Precision = \frac{TP}{TP + FP} $$
查准度（Recall）：识别正确的样本占目标样本总数的比列 $$ Recall = \frac{TP}{TP + FN} $$

AP

问题

Tip

由于 Precision 与 Recall 只适用于「二分类问题」。当存在多样本分类时，对每一类样本单独考虑其「二分类问题」，即目标样本与其他样本的分类问题。

当确认的样本越少，出错的风险也就越小；当选择出的样本量越大，得到全部目标样本的可能性越大。因此 Precision 与 Recall 是一度矛盾的关系

Precision 较大时，Recall 较小：当要分辨 10 个苹果时，我只拿出一个苹果，那么 Precision 就是 100 %，而 Recall 确是 10 %
Precision 较大时，Recall 较小：若选择出 100 个水果，10 个苹果我们都拿出来了，但是还有 90 个其他水果。Precision 就是 10 %，而 Recall 是 100 %

Precision-Recall曲线

假设模型的任务为从图片中，检测出三类物体：(1,2,3)。「一张图片」的模型预测结果如下所示

现在对每一类别分别绘制 Precision-Recall曲线：

![](./resources/ap_calculateIOU.png)

将 max_iou 与给定阈值 thresh = 0.5 进行比较，大于阈值就标记 1
数据根据「分类置信度 class_conf」进行排序
取出分类 1
假设在当前图片中，存在 3 个 1 类目标，计算其 Precision 与 Recall。

根据上面的结果，假设只找出 1 个 1 类目标时：

假设只找出 2 个 1 类目标时

假设只找出 3 个 1 类目标时

以此类推，找出全部时
根据上述 Precision 与 Recall 序列绘制出的曲线，就是 1 类别目标对应的Precision-Recall曲线，重复上述步骤，就是绘制出 2, 3 类别的曲线。根据Precision-Recall曲线就能计算 AP 值了。

[!note|style:flat]

根据上述阈值 thresh_50 = 0.5 的不同取值，就能计算得到不同的 AP 类型，例如 thresh = 0.5 就是 AP50；thresh = 0.75 就是 AP75。计算多个 AP 类型，然后取均值，就是「mAP」。例如 $$mAP = \frac{AP50 + AP75 + AP80 + \dotsm}{n}$$

上述计算流程只是处理了「一张图片」的预测结果。对于多张图片的处理，则是对每张图片分别进行步骤1、步骤2，最后将所有的图片结果全部堆叠起来，进行后续步骤处理。

AP 计算

AP（Average Precision）：Precision-Recall曲线下方的面积。结合 Precision 与 Recall ，更加全面的对模型的好坏进行评价。

绘制完整的 Precision-Recall曲线：将 Precision 与 Recall 绘制成曲线。
查找 precision 突然变大的点
利用这个突变点来代表这个区间内的 Precision
最后计算彩色矩形区域的面积，该值就是 AP

基础概念