-
每一代YOLO中最亮的亮点,旨在能迅速了解YOLO的关键特性。
1.1 YOLOv1
YOLOv1最值得说的当然是YOLO网络提出本身,使用回归的方法端到端解决了目标检测问题。
一个值得一提的细节就是,YOLOv1采用了将一副图片划分为多个grid cell的方法,每个grid cell仅预测出两个框,最终的输出张亮大小为:S x S x (B x 5 + C),其中S是grid cell在某一维的数目,B是每个grid cell预测出的框的数目,5代表了框的中心x,y坐标和框的宽w、高h,以及框的IOU值,C代表了每个物体类别的概率。典型输出张量大小是7 x 7 x 30。
最后给出YOLOv1中使用的骨干网络架构。1.2 YOLOv2
YOLOv2对v1做了很多改进,最瞩目的就是引入了anchor box的机制代替了v1版本中的bounding box。
通过对数据集中的物体形状进行聚类,获取到几种不同高矮胖瘦的anchor box。v2中可以输出的框的数目明显增多,有效解决了v1版本中最让人诟病的小分辨物体检测能力不够的问题。典型输出如下图所示为13 x 13 x 5 x 25,其中13是grid cell数目,5是每个cell的anchor box数目,25代表了框的x,y,w,h,c 和20个类别的概率。
同样地,把网络结构放在下面,作者采用了自创的Darknet网络架构。
1.3 YOLOv3
大名鼎鼎的YOLOv3,反而是最容易理解的。因为其主要是对网络架构进行了改进,其一是采用了Darknet53的网络结构,其次是增加了多个特征维度的输出,分别预测不同尺寸的物体。
其典型输出中13 x 13 x 255 = 13 x 13 x (3 x (5 + 80)),13代表grid cell数目,3代表anchor box的数目,5代表框的x,y,h,w,c,80代表类别的数目,由于下采样32倍,倍数最高,因此用来预测大物体,所分配的3个anchor box也是最大的。
26 x 26 x 255同理,下采样16倍,用来预测中等大小的物体;52 x 52 x 255则是下采样8倍,用来预测小物体。
-
给出一个很好的YOLOv3基于TF2.x的代码实现。
https://github.com/zzh8829/yolov3-tf2
详细解决方案
YOLOv1——YOLOv3的一些理解和总结
热度:60 发布时间:2024-01-20 08:46:45.0
相关解决方案
- YOLO系列:YOLOv1,YOLOv2,YOLOv3,YOLOv4,YOLOv5简介
- YOLOv3(darknet版本)测试图像时在包围框上添加置信度
- YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5的发展(1)
- Tensorflow2.0 实现 YOLOv3(八):test.py
- Tensorflow2.0 实现 YOLOv3(七):train.py
- Tensorflow2.0 实现 YOLOv3(六):dataset.py
- Tensorflow2.0 实现 YOLOv3(五):config.py
- Tensorflow2.0 实现 YOLOv3(四):utils.py
- Tensorflow2.0 实现 YOLOv3(三):yolov3.py
- Tensorflow2.0 实现 YOLOv3(九):image_demo.py
- Tensorflow2.0 实现 YOLOv3(二):网络结构(common.py + backbone.py)
- YOLOv3-Pytorch版本训练教程
- yolov3 nms阈值_图像增强_损失函数
- yolov3 的锚
- yolov3 pycocotools
- keras_yolov3:yolov3.weights转换为yolo.h5
- 行为分析(六):人形检测部分(一):YOLOv1-v5的学习笔记
- 目标检测入门论文YOLOV1精读以及pytorch源码复现(yolov1)
- 【YOLO系列】论文笔记————YOLOv1
- YOLOV3--pytorch(5.译)
- YOLOV3--pytorch(4.译)
- YoloV3-SPP NMS源码详解
- 基于深度学习的目标跟踪(Yolov3+deepsort)
- 科学学习《中国马克思主义与当代》——YOLOv3+AipOCR的PPT重点解析
- 最全最先进的检测算法对比Faster R-CNN, R-FCN, SSD, FPN, RetinaNet and YOLOv3
- YOLO:YOLOv1,YOLOv2,YOLOv3,TinyYOLO,YOLOv4,YOLOv5,YOLObile,YOLOF详解
- 论文阅读及其代码复现:YOLOv3
- 【20210402期AI简报】TensorFlow-YOLOv3 从本地训练到服务器部署全过程
- YOLOv1 待续
- YoloV3 详解