Training

YOLO 모델은 Feature Extractor 부분과 Object Classifier 부분으로 나눌 수 있고, Feature Extractor 부분을 먼저 학습시킨 이후에 전체 모델을 학습시키는 방향으로 진행됩니다.

Training Feature Extractor

• 20개의 Conv Layer를 거쳐 생성된 Feature Map에 Average Pooling Layer와 Fully Connected Layer를 추가해서 ImageNet Dataset으로 Feature Extractor 부분을 학습시킴 (Input Size는 224 x 224임)

  

Training Detector

• 4개의 Conv Layer와 2개의 FC Layer를 추가하고 Input 크기를 448 x 448로 키운 후에 PASCAL VOC 2007/2012 Dataset으로 전체 모델을 학습시킴

  

Training Procedure

• Feature Extractor 결과 뒤에 4개의 Conv Layer와 2개의 FC Layer를 거친 결과인 7x7x30 크기의 Tensor가 최종 예측 결과임
• 7x7x30의 각 Vector가 Grid 내 한 Cell에서 예측된 2개의 Bbox와 Class를 예측한 결과임

Loss Function

Loss Function 구성

Coordinates

• Bbox Width, Height에 대해서 Root를 씌운 이유는 Bbox 크면 Loss가 훨씬 커지는 문제를 보완하기 위함

  

• $\mathbf{1}_{ij}^{obj}$: $i$번째 Grid Cell의 $j$번째 Bounding Box에 대한 Ground Truth에 Object가 존재하는 경우에 1을 가짐

  

Confidence Score