网站全是乱码,游戏搜索风云榜,广西网站运营,如何使网站能被百度搜到YOLOv4
YOLOv4网络详解_哔哩哔哩_bilibili
网络结构#xff0c;在Yolov3的Darknet的基础上增加了CSP结构。
CSP的优点#xff1a;
加强CNN的学习能力
去除计算瓶颈。
减少显存的消耗。
结构为#xff1a;
、 其实还是类似与残差网络的结构#xff0c;保留下采样之前…YOLOv4
YOLOv4网络详解_哔哩哔哩_bilibili
网络结构在Yolov3的Darknet的基础上增加了CSP结构。
CSP的优点
加强CNN的学习能力
去除计算瓶颈。
减少显存的消耗。
结构为
、 其实还是类似与残差网络的结构保留下采样之前的特征和下采样之后的特征进行拼接让模型的特征信息能够更全面。
SPP PAN结构 FPN是将特征层向下累加这样对于任意特征层来说他是看不到其下面特征层的信息的PAN在FPN的基础上采取了个向上加的功能让特征层包含的信息更全面。 有点类似RNN单向叠加的感觉。 这里注意Yolov4将叠加操作改成了concat拼接。
优化策略
针对前作中的预测框定位的问题。 如果GT真实框真好落在边界点 预测值txty想预测这个边界点的话取值需要趋向于无穷这显然是很难达到的所以在v4和v5中对做了一点改进 问题这里我个人觉得有点矛盾因为用sigmoid函数的目的就是为了限制0~1在一个cell之内但是这么改进了之后又限制不了了哪怕是做截断感觉也没啥意义为啥不用一个简单的函数做映射呢下面会做解释 正负样本分配
通过计算GT真实框与预设anchor框的IOU来判断正负样本对于yolov3来说只采用与GT的IOU最大的anchor作为正样本Yolov4改成了只要满足IOU大于阈值那么都是正样本 这样做扩充了正样本的数量。 这里有个改动Yolov4提出为了消除grid cell的敏感度同时也为了扩展正样本数量落在某个cell内的GT真实框还可能被其周围cell来预测
因为现在的映射函数改成了所以其范围是-1.51.5相当于以左上角的点作为起点的话预测框是可以超出一个cell的距离的 像下图3个cell都可以对黑点这个真实框做预测相当于扩充了正样本的数量让预测框不被cell限制的那么死。 YOLOV5
YOLOv5网络详解_哔哩哔哩_bilibili SPP-SPPF
SPP SPPF
2个k5的Maxpooling可以等同于一个k9的Maxpooling3个k5等于K9 SPPF和SPP效果是一样的但是效率高很多
数据增强
Mosaic4个拼成一个 copy paste: 将图像抠出来贴到另一张上 Rand affine :随机的缩放平移等。 MIXup: 调整透明度后叠加 Augment HSV 调整色度饱和度等 训练策略 损失函数 消除grid敏感度
这个基本和Yolov4中的一样但Yolov5将长和宽也进行的改动之前的容易出现指数爆炸造成BwBh值过大导致训练不稳定 匹配正样本
Yolov4匹配正样本是通过IOU的阈值是否大于某个预设值来判断是否为正样本Yolov5在v4的基础上进一步对框的长宽进行限制下图Rmax是预测框和真实框长宽比值的最大值当这个最大值超出限制时则将样本设置为负。
