Yolo家族算法分析

1 历史简介

2 YOLO算法思想

YOLO算法的基本思想：
（1）将图片划分为S×SS \times SS×S个网格；
（2）计算每个边界框和置信度；
（3）计算每个网格属于某个类别的概率；
（4）根据上述的计算结果来获得最终的目标检测。

（1）计算每个边界框的坐标tx,ty,tw,tht_x, t_y, t_w, t_htx,ty,tw,th；
（2）计算每个边界框的目标性得分；
（3）计算每个边界框的类别得分；
（4）上述计算构成一个边界框的属性；
（5）再将多个BBB边界框的这些属性进行多尺度融合。

3 YOLO家族

3.1 Yolo v1

3.2 Yolo v2

3.3 Yolo v3

3.4 Yolo v4

Yolo v4在Yolo v3的基础上做了如下改进：

输入端采用mosaic数据增强
Backbone上采用了CSPDarknet53、Mish激活函数、Dropblock等方式。（cspnet减少了计算量的同时可以保证准确率）
Mish函数为
Mish =x∗tanh⁡(ln⁡(1+ex))\text { Mish }=x * \tanh \left(\ln \left(1+e^{x}\right)\right) Mish =x∗tanh(ln(1+ex))

橙色曲线为：ln⁡(1+ex)\ln(1+e^{x})ln(1+ex)
蓝色曲线为：Mish函数
为什么采用mish函数？可能也是最重要的，目前的想法是，平滑的激活函数允许更好的信息深入神经网络，从而得到更好的准确性和泛化。
Neck中采用了SPP、FPN+PAN的结构
输出端采用CIOU_Loss、DIOU_nms操作。

3.5 Yolo v5

算法性能测试图：

Yolov5s网络最小，速度最少，AP精度也最低，训练后的模型十几M大小，速度很快，可用于嵌入式设备。Yolov5m、Yolov5I和Yolov5x在此基础上，不断加深加宽网络，AP精度也不断提升。

Yolo家族算法分析相关推荐

机器学习笔记 - YOLO家族简介
一.背景概述目标检测是计算机视觉中最重要的课题之一.大多数计算机视觉问题都涉及检测视觉对象类别,如行人.汽车.公共汽车.人脸等.这一领域不仅限于学术界,而且在视频监控.医疗保健.车载传感和自动驾驶. ...
YOLO 检测算法分析
主要对yolo v2最后一层卷积conv23输出的特征如何转换为bbox和置信概率结果输出进行分析? 步骤1---数据变换 Conv23输出的blob数据是[batch_num,(5+cls_num) ...
YOLO家族再度升级——阿里达摩院DAMO-YOLO重磅来袭
最近看到阿里达摩院发表了他们的最新研究成果,在YOLO系列上推出的新的模型DAMO-YOLO,还没有来得及去仔细了解一下,这里只是简单介绍下,后面有时间的话再详细研究下. 官方项目在这里,首页截图如下 ...
yolo系列之yolo v3【深度解析】——讲的挺好，原作者厉害的
版权申明:转载和引用图片,都必须经过书面同意.获得留言同意即可本文使用图片多为本人所画,需要高清图片可以留言联系我,先点赞后取图这篇博文比较推荐的yolo v3代码是qwe的keras版本,复现比 ...
【Python 实操】labelImg标注的xml格式转换为yolo的txt文件
[Python 实操]labelImg标注的xml格式转换为yolo的txt文件背景 YOLO家族开枝散叶(尤其是YOLOv5)的广泛应用就涉及到图像的标注与文件格式转换,常用的标注工具有 Labe ...
汇集YOLO系列经典和前沿算法，实现高精度实时检测！
YOLO(You Only Look Once,你只看一次)是一阶段目标检测算法的开山之作.常年来,YOLO系列模型统治着实时目标检测界,其代名词就是"快".从2016年Josep ...
YOLOv8 Ultralytics：最先进的 YOLO 模型——简介+实战教程
YOLOv8 Ultralytics:最先进的 YOLO 模型什么是 YOLOv8? YOLOv8 是来自 Ultralytics 的最新的基于 YOLO 的对象检测模型系列,提供最先进的性能. 利 ...
【目标检测-YOLO】博客阅读：Introduction to the YOLO Family
阅读收获本文是博客:https://pyimagesearch.com/2022/04/04/introduction-to-the-yolo-family/ 的翻译. 好吧!其实在这里面并没有太多 ...
在自定义的数据集上训练YOLOv5详细教程分享
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 YOLO系列的目标检测模型随着YOLOv5的引入变得越来越强大了. ...