当前位置:   article > 正文

目标检测网络YOLO进化之旅

目标检测网络YOLO进化之旅

yolo系列网络在目标检测领域取得了巨大的成功, 尤其是在工程实践中, 以其出色的性能优势获得了广泛的应用落地。

YOLO的前3个版本是由同一个作者团队出品, 算是官方版本。 之后的版本都是各个研究团队自己改进的版本, 之间并无明显的继承关系。
其中v5和v8 版本由Ultralytics 公司出品, 该公司是领先的人工智能公司,以yolov5网络出名。 该项目在github上获得了极高的关注, 获得了接近4.7万star。
项目地址: https://github.com/ultralytics/yolov5
在这里插入图片描述

版本时间主要改进
YOLOv12016.05首次提出
YOLOv22016.121 采用BN;
2 采用448*448分辨率预训练Imagenet;
3 去掉fc,采用全卷积;
4 采用anchor, 并采用k-means聚类选择anchor的先验尺寸;
5 添加一个旁路, 在更大的特征图26*26上预测
6 多尺度训练:每10batch 采用不同的输入图像尺寸,从320~608, 间隔32 :
7 提出了Darknet-19 作为backbone
YOLOv32018.041 提出了Darknet-53 作为backbone;
2 采用了FPN
YOLOv42020.041 改进了backbone,提出CSPDarknet53, 并改进了SAM, PAN, BN等模块;
2 数据增强:提出了Mosaci数据增强;提出了自对抗训练SAT;
3 采用了CIoU作为loss;
4 采用Mish作为激活函数;
5 用进化算法调了超参数
YOLOv52020待补充
YOLOF2021.03
YOLOX2021.09
YOLOv72022.07
YOLOv62022.09
YOLOE2022.12
YOLOv82023
YOLOR2023.09
YOLOv92024.02

参考:
[1] https://blog.csdn.net/leonardotu/article/details/137372018

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/小蓝xlanll/article/detail/468642
推荐阅读
相关标签
  

闽ICP备14008679号