devbox
很楠不爱3
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

YOLOV5学习笔记（一）——原理概述

作者：很楠不爱3 | 2024-05-29 20:48:34

赞

踩

yolov5

目录

一、目标检测概述

1.1 数据集介绍

1.2 性能指标 

1.2.1 混淆矩阵

1.2.2 IOU（边界框回归）

1.2.3 AP&mAP

1.2.4 检测速度

1.3 YOLO发展史

​1.3.1 算法思想

1.3.2  YOLOv5网络架构

博主创建了一个科研互助群Q：772356582，欢迎大家加入讨论。

一、目标检测概述

1.1 数据集介绍

  • PASCAL VOC

  • MS COCO

1.2 性能指标 

1.2.1 混淆矩阵

1.2.2 IOU（边界框回归）

IOU=1 是完全重叠

根据IOU设置的阈值来判断是TP还是FP ，比如重叠为0.5

1.2.3 AP&mAP

AP是衡量学习出来的模型在每个类别上的好坏

mAP是衡量学习出来的模型在所有类别上的好坏是AP的平均值

  •  不同数据集对于AP和mAP的概念还是不同的

  • AP计算 

1.2.4 检测速度

1.3 YOLO发展史

1.3.1 算法思想

  • yolov3框架图

先经过卷积神经网络得到特征图像，之后对图像进行网格划分，每个网格单独进行画框检测和类别的概率图，最终得到结果。

每个小框内包含了边界框坐标、目标得分和类别得分

  • 多尺度融合

 经过卷积神经网络可以得到不同大小的特征图，对不同大小的特征图进行融合利于小目标的检测。

图片卷积经过32倍下采样得到19*19的图片，每个网格都会单独预测和画锚框 

预先设定一些边界框的大小 ，每个尺度都有若干个锚框

 

  • 损失函数 

1.3.2  YOLOv5网络架构

一个网络往往有主干网络（Backbone）+颈部（Neck）+头部（Head）组成 

 

可视化 

  1. pip install onnx>=1.7.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
  2. pip install coremltools==4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
  3. python models/export.py --weights weights/yolov5s.pt --img 640 --batch 1

yaml文件

  1. # YOLOv5 
    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/很楠不爱3/article/detail/643892
    推荐阅读
    相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。