基于YOLO模型圖像識(shí)別研究綜述

本文格式為Word版，下載可任意編輯——基于YOLO模型圖像識(shí)別研究綜述

近年來，隨著計(jì)算機(jī)技術(shù)的進(jìn)展，圖像識(shí)別技術(shù)在各個(gè)領(lǐng)域都有了廣泛的應(yīng)用。同時(shí)，圖像識(shí)別技術(shù)也在不斷地優(yōu)化，其在人們的日常生活中發(fā)揮著越來越重要的作用。本文主要綜述了YOLO模型在圖像識(shí)別技術(shù)上的研究現(xiàn)狀。

圖像識(shí)別YOLO模型

1引言

隨著互聯(lián)網(wǎng)技術(shù)的不斷向前進(jìn)展，人們可以更加便捷地通過個(gè)人終端接入互聯(lián)網(wǎng)，通過移動(dòng)終端帶有的攝像頭，隨時(shí)隨地對(duì)物體舉行拍照，利用互聯(lián)網(wǎng)舉行共享。由于圖像本身的特點(diǎn)，圖像比傳統(tǒng)文字更加生動(dòng)形象地傳達(dá)了信息，使人們更輕易理解，被人們廣泛使用。圖像數(shù)據(jù)的數(shù)據(jù)量特別巨大，不僅包含著對(duì)人們有用的有效信息，還包含著無用的無效信息。作為機(jī)器視覺的一個(gè)重要領(lǐng)域，圖像識(shí)別不斷得志人們?nèi)找嬖鲩L的美好生活需要，如何快速和高效地處理圖像信息有力地推動(dòng)了圖像識(shí)別技術(shù)的不斷進(jìn)展。近年來，人工智能和機(jī)器學(xué)習(xí)變得越來越熟諳起來，進(jìn)入了普遍群眾的視野，極大地促進(jìn)了圖像識(shí)別技術(shù)的進(jìn)展。機(jī)器識(shí)別中的機(jī)器視覺是通過模擬人類大腦[1]，運(yùn)用機(jī)器來獲取圖像，然后對(duì)圖像舉行一系列處理，經(jīng)過抽象、傳遞和反復(fù)迭代，最終達(dá)成識(shí)別相關(guān)物體的目的，最終讓機(jī)器能夠像人一樣識(shí)別和處理圖像信息。YOLO算法大幅提高了圖像識(shí)別的識(shí)別速度和識(shí)別切實(shí)率，具有良好的經(jīng)濟(jì)效益，有很高的研究價(jià)值。

2.國內(nèi)外研究現(xiàn)狀

圖像識(shí)別技術(shù)進(jìn)展至今，一共體驗(yàn)了三個(gè)階段。①文字識(shí)別階段;②圖像處理與識(shí)別階段;③物體識(shí)別階段。目前，圖像識(shí)別領(lǐng)域的重點(diǎn)研究方向是物體識(shí)別中的分類識(shí)別，目前已經(jīng)廣泛應(yīng)用于安防領(lǐng)域、交通領(lǐng)域以及互聯(lián)網(wǎng)領(lǐng)域，物體分類識(shí)別主要以特征學(xué)習(xí)為主。

2022年，RedmonJ等[2]提出了YOLO算法。利用YOLO算法對(duì)圖像中的目標(biāo)舉行特征提取分類識(shí)別，可以實(shí)現(xiàn)圖像特征提取和分類識(shí)別的自動(dòng)化，摒棄了傳統(tǒng)圖像識(shí)別過程中依靠手工標(biāo)注圖像特征的方法，其網(wǎng)絡(luò)布局是在GoogleNet模型之上建立的。YOLO檢測框架把目標(biāo)檢測問題當(dāng)成一個(gè)回歸問題，通過劃分網(wǎng)格來舉行回歸目標(biāo)的位置和類別。YOLO將圖片舉行7×7的劃分，然后通過卷積神經(jīng)網(wǎng)絡(luò)也產(chǎn)生這樣的7×7的輸出，7×7中的每一個(gè)輸出都去預(yù)料中心點(diǎn)落在這個(gè)網(wǎng)格上的目標(biāo)，預(yù)料的目標(biāo)參數(shù)包括目標(biāo)的類別和目標(biāo)框的位置。YOLO算法主要通過三步實(shí)現(xiàn)，首先，將輸入圖像軟寸歸一化;其次，卷積網(wǎng)絡(luò)特征提取，預(yù)料邊界框置信度;結(jié)果，通過非極大值抑制算法過濾邊界框，得到最優(yōu)結(jié)果。與FasterR-CNN算法相比，采用這種統(tǒng)一模型，實(shí)現(xiàn)了端對(duì)端的訓(xùn)練和預(yù)測，其檢測速度更快，背景誤判率低，泛化才能和魯棒性較好。但由于每個(gè)單元格僅對(duì)同一組類別舉行邊界框預(yù)料，這使得YOLO算法的定位切實(shí)率受到影響。由于YOLO劃分網(wǎng)格的方式，使得對(duì)于對(duì)比密集的目標(biāo)無法得到足夠的候選網(wǎng)格來對(duì)目標(biāo)舉行預(yù)料，造成過多的漏檢。YOLO對(duì)于小目標(biāo)也檢測的不好，主要是網(wǎng)格劃分的對(duì)比粗糙，對(duì)于小目標(biāo)的特征無法得到很好的留存。這些理由都造成YOLO檢測精度偏低。之后，再次提出了YOLOv2，在VOC2022測試集上舉行測試后，mAP由原來的67.4%提高到了76.8%。v2相對(duì)之前的v1版本，在持續(xù)保持處理速度的根基上，在預(yù)料更切實(shí)尺，速度更快尺，識(shí)別對(duì)象更多這三個(gè)方面做了提升尺。

YOLO9000[3]是YOLOv2的一個(gè)延遲，它在YOLOv2的根基上做了如下提升，使檢測精度得到大幅提升：（1）YOLOv2使用了自己設(shè)計(jì)的一個(gè)根基網(wǎng)絡(luò)，該網(wǎng)絡(luò)在設(shè)計(jì)上考慮了卷積的計(jì)算量，使得YOLOv2速度對(duì)比快。在YOLO9000中，在根基網(wǎng)絡(luò)上增加了批量歸一化，來使網(wǎng)絡(luò)收斂的更快。（2）在檢測時(shí)使用比分類更高辨識(shí)率的圖片，在訓(xùn)練檢測網(wǎng)絡(luò)之前，對(duì)預(yù)訓(xùn)練的分類器在高辨識(shí)率的圖片上舉行一次微調(diào)，使網(wǎng)絡(luò)提前適應(yīng)檢測圖片的辨識(shí)率，這也使得分類網(wǎng)絡(luò)的精度得到確定的提升，得到更好的分類器。（3）使用卷積來替代YOLOv2的全連接舉行回歸目標(biāo)的參數(shù)。（4）在回歸目標(biāo)寬高的時(shí)候，使用多尺度的基準(zhǔn)框來對(duì)舉行匹配訓(xùn)練，減小檢測的定位誤差。（5）檢測不僅需要對(duì)目標(biāo)舉行分類，還要對(duì)目標(biāo)舉行定位，分類需要高層的語義特征，而定位要圖片的細(xì)節(jié)信息，在該方法中使用跨層的特征融合得到多尺度的特征，得到的卷積特征可以很好的適用于檢測。2022年4月，再次提出了YOLOv3算法，與YOLO9000算法相比，該算法采用殘差網(wǎng)絡(luò)模型Darknet53舉行特征提取，并且利用特征金字塔網(wǎng)絡(luò)實(shí)現(xiàn)多尺度檢測。同時(shí)，通過分析數(shù)據(jù)集中目標(biāo)的分布處境，修正anchorbox，使得anchorbox更加符合目標(biāo)尺寸，鞏固了收斂效果。在PascalVOC數(shù)據(jù)集上的測驗(yàn)說明，在不影響檢測速度的處境下，YOLOv3切實(shí)率提高了1個(gè)百分點(diǎn)左右，且收斂速度變快，這使YOLOv3的目標(biāo)檢測才能進(jìn)一步提升。

3結(jié)論

通過YOLO算法系列的提升可以看出：通過不斷優(yōu)化算法，可以使YOLO算法的檢測速度達(dá)成實(shí)時(shí)分析的要求[4]，得志人們對(duì)高效率、高精度目標(biāo)識(shí)別技術(shù)的需要。鑒于圖像識(shí)別技術(shù)的快速進(jìn)展，YOLO等目標(biāo)檢測算法擁有無比廣闊的進(jìn)展空間，推動(dòng)圖像識(shí)別技術(shù)不斷向前進(jìn)展。由于YOLOv3算法良好的檢測性能與檢測精度，其具有比其他版本更廣泛的應(yīng)用意義。

[1]高浩宇.基于機(jī)器學(xué)習(xí)的圖像識(shí)別研究與應(yīng)用[D].華中師范大學(xué)，2022.

[2]RedmonJ，DivvalaS，GirshickR，etal.YouOnlyLookOnce：Unified，Real-TimeObjectDetection[C].2022IEEEConferenceonComputerVisionandPatternRecognition（CVPR），LasVegas