最新公告
  • 欢迎光临数据科学与编程,我们是数据学科学兴趣交流小组立即加入我们
  • YOLOv5从入门到部署之:初识YOLOv5

    1 YOLOv5

    在YOLOv4发布不到50天,“YOLOv5” 就问世了并且官方介绍的性能效果可以说相当好。只可惜YOLOv5当前只公布了代码没有相关的论文,只能通过YOLOv5的代码来了解其算法。其链接如下:

    https://github.com/ultralytics/yolov5

    严格来讲,这里提到的YOLOv5可以视为YOLOv4.5,但是我们依然会介绍YOLOv5,这是因为:

    (1)YOLOv5不仅是各种tricks的组合,更关键的是它的实现方式由darknet转为了pytorch,这样就更便于使用和各种魔改。

    (2)如下图是YOLOv5COCO2017val上与EfficienetDet性能比较图同等AP情况下比EfficientDet快非常多,这也说明了人工设计出来的网络不会比搜索出的网络差

    YOLOv5从入门到部署之:初识YOLOv5

    不过YOLOv5没有论文,对初学者不是很友好,这里推荐大家阅读《图解目标检测》系列文章。关注公众号后,后台回复”检测”即可获取

    2 结构设计

    YOLOv5从入门到部署之:初识YOLOv5

    Yolov5的结构采用单阶段检测的结构,结构图如上图所示,其主要分为五个阶段:

    • Input:图像输入端并且进行了数据处理。Mosaic、Cutout、矩阵训练。
    • Backbone:提取出高中低层的特征,使用了CSP、Fcous、Leaky ReLU等。
    • Neck:将各层次的特征进行融合提取出大中小的特征图。
    • Head:进行最终检测部分,在特征图上应用锚定框,并生成带有类概率、对象得分和包围框的最终输出向量。
    • Loss:计算预测结果与ground truth的Loss,反向传播更新模型的参数。

    Yolov5各个阶段大量整合了目标检测领域的State-of-the-art,其代码结构如下:

    YOLOv5从入门到部署之:初识YOLOv5

    3 Next
    接下来,《YOLOv5从入门到部署》系列将会结合YOLOv5的代码介绍以下内容,通过代码学习Yolov5算法、部署以及如何训练自己的数据集。
    • 配置与初始化超参

    • 数据读取与扩增

    • 网络和损失设计

    • 实践:训练自己的数据集并部署

    本站上原创文章未经作者许可,不得用于商业用途,仅做学习交流使用,本站免责声明。转载请注明出处,否则保留追究法律责任的权利。《署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0)》许可协议授权
    数据科学与编程 » YOLOv5从入门到部署之:初识YOLOv5

    发表评论

    • 52会员总数(位)
    • 307资源总数(个)
    • 40本周发布(个)
    • 1 今日发布(个)
    • 329稳定运行(天)

    提供最优质的博文资源集合

    立即阅览 了解详情