YOLO的框架及版本迭代

news/2024/11/28 7:56:06/

YOLO(You Only Look Once)是一种非常流行的实时目标检测算法,其特点是将目标检测任务转换为一个回归问题,通过一次前向传播就可以同时完成目标的分类和定位。以下是YOLO框架的整体架构和工作原理:

YOLO_2">一、YOLO的基本框架

1. 输入层

  • 输入是一张图像,通常被调整为固定大小的方形图像,例如 416 × 416 416 \times 416 416×416 640 × 640 640 \times 640 640×640
  • 输入图像的每个像素点被归一化为 [ 0 , 1 ] [0, 1] [0,1] 之间的浮点数。

2. 主干网络(Backbone)

  • 这是YOLO的核心特征提取部分,类似于卷积神经网络(CNN)。
  • 不同版本的YOLO使用不同的主干网络:
    • YOLOv1 使用了简单的 GoogLeNet 风格的CNN。
    • YOLOv2、YOLOv3 使用了 Darknet 网络。
    • YOLOv4、YOLOv5 引入了 CSPDarknet
    • YOLOv7 进一步优化了网络结构,引入了 ELAN 层。
    • YOLOv8 使用了更轻量级的结构,如 EfficientNetTransformer

3. 特征金字塔网络(Feature Pyramid Network, FPN)

  • 将不同尺度的特征图结合,帮助检测不同大小的目标。
  • YOLOv3 及以后版本引入了 FPNPAN(Path Aggregation Network),实现更好的多尺度特征融合。

4. 输出层(Detection Head)

  • YOLO将输入图像划分为 S × S S \times S S×S 的网格,每个网格负责检测一个或多个目标。
  • 对于每个网格,预测:
    • Bounding Box:边界框的位置( x , y , w , h x, y, w, h x,y,w,h)。
    • 置信度:边界框中是否有物体以及置信度。
    • 类别概率:每个类别的概率。

输出的张量结构如下:
( S × S × B × ( 5 + C ) ) (S \times S \times B \times (5 + C)) (S×S×B×(5+C))
其中:

  • S × S S \times S S×S:网格大小。
  • B B B:每个网格的预测框数量(例如 YOLOv3 中 B = 3 B=3 B=3)。
  • 5 5 5:包含边界框的 x , y , w , h x, y, w, h x,y,w,h 和置信度。
  • C C C:类别数量。

YOLO_46">二、YOLO的工作流程

  1. 图像输入:将原始输入图像调整为固定大小。
  2. 特征提取:主干网络提取图像中的特征。
  3. 预测框生成:生成多个边界框,并为每个框预测置信度和类别概率。
  4. 非极大值抑制(NMS):通过置信度和 IoU(交并比)过滤掉重叠和低置信度的框,保留最佳的预测框。
  5. 输出结果:输出检测到的目标类别、边界框位置和置信度。

YOLO_56">三、YOLO的优缺点

优点:

  • 速度快YOLO可以在实时条件下完成目标检测,适用于实时应用。
  • 端到端训练YOLO直接从图像中学习特征并预测目标位置和类别。
  • 单一模型:不需要额外的候选区域生成步骤。

缺点:

  • 对小目标的检测效果较差:由于将图像划分为较大的网格,小目标可能被忽略。
  • 精度可能不如两阶段方法(如Faster R-CNN):尤其是在复杂的背景下。

YOLO_69">四、YOLO模型的改进版本

版本主要改进优势
YOLOv1单次检测,回归问题速度快,简单
YOLOv2使用Darknet,Batch Normalization提高检测精度
YOLOv3多尺度检测,FPN改善小目标检测
YOLOv4CSPDarknet、PAN、数据增强进一步提升速度与精度
YOLOv5PyTorch实现,模块化更强更易训练和部署
YOLOv7ELAN、E-ELAN模块提高计算效率
YOLOv8支持Transformer、EfficientNet等更轻量化、更高精度

YOLOPyTorch_83">五、YOLO的代码框架示例(PyTorch)

import torch
import torch.nn as nnclass YOLO(nn.Module):def __init__(self, num_classes=80):super(YOLO, self).__init__()# Backbone: Feature extractionself.backbone = DarknetBackbone()# Head: Detection headself.head = DetectionHead(num_classes)def forward(self, x):features = self.backbone(x)output = self.head(features)return outputclass DarknetBackbone(nn.Module):# 定义YOLO的Darknet主干网络def __init__(self):super(DarknetBackbone, self).__init__()# 多层卷积层self.layers = nn.Sequential(nn.Conv2d(3, 32, kernel_size=3, stride=1, padding=1),nn.BatchNorm2d(32),nn.ReLU(inplace=True),# 更多的卷积层...)def forward(self, x):return self.layers(x)class DetectionHead(nn.Module):# 定义检测头def __init__(self, num_classes):super(DetectionHead, self).__init__()self.conv = nn.Conv2d(512, (5 + num_classes) * 3, kernel_size=1)def forward(self, x):return self.conv(x)# 测试模型
model = YOLO(num_classes=80)
input_tensor = torch.randn(1, 3, 416, 416)
output = model(input_tensor)
print(output.shape)

总结

YOLO的核心思想是一次看全图,将目标检测作为回归问题进行端到端学习。它具有高效、实时的特点,并且通过不同版本的改进,在速度和精度之间取得了良好的平衡。


http://www.ppmy.cn/news/1550560.html

相关文章

d3-contour 生成等高线图

D3.js 是一个强大的 JavaScript 库,用于创建动态、交互式数据可视化。d3-contour 是 D3.js 的一个扩展模块,用于生成等高线图(contour plots)。 属性和方法 属性 x: 一个函数,用于从数据点中提取 x 坐标。y: 一个函…

RK3568平台(USB篇)USB Gadget 驱动

一.什么是 USB Gadget 驱动 USB 设备驱动,按照设备端关联的 USB 控制器 是工作在 主模式 还是 从模式,分为 USB 设备主机侧驱动 (主模式),或者 USB 设备从机侧驱动 (从模式)。同时,工作在 主模式 的 USB 控制器,称为 USB 主机控制器 (UHC: USB Host Controller),工作在 …

认识网络安全

一 网络攻击链 踩点-工具准备-载荷投递-漏洞利用-释放载荷-建立通道-目标达成 简化下: 目标侦察:准确识别目标,收集目标详细信息,比如 网络、 邮箱、员工、社会关系、对外提供服务、漏洞 信息等,为 后续攻击做准备。…

Labelme常用快捷键

Labelme是一款常用的图像标注工具,其快捷键可以提高标注效率。以下是一些常用的Labelme快捷键: 基本导航 A:切换到上一张图片。D:切换到下一张图片。 标注操作 Ctrl E:选中标注框或标签时按下可打开编辑窗口。Ctrl …

updatexml报错注入原理分析

《网络安全自学教程》 SQL注入时,经常利用updatexml()的报错特性来脱库。 updatexml报错原理 1、updatexml语法参数2、报错原理分析3、使用updatexml()脱库4、分割显示结果 updatexml() 的作用是修改xml文件的内容。 1、updatexml语法参数 updatexml(参数1&#x…

【机器学习】决策树详解

摘要: 本文深入探讨机器学习中的决策树算法。首先介绍决策树的基本概念与原理,包括信息熵、信息增益等核心概念,详细阐述决策树的构建过程,如特征选择、节点分裂与停止条件等。通过大量代码示例展示决策树在数据分类与回归任务中的…

SpringMVC前后端数据交互

一、JSON格式数据 1、定义 JSON(JavaScript Object Notation, JS 对象标记) 是一种轻量级的数据交换格式,已被广泛用于数据保存和交换,是迄今为止最为理想的数据交换语言。 JSON 独立于编程语言 层次结构简洁和清晰 易于人阅读和编写,也易于…

Vue框架开发一个简单的购物车(Vue.js)

让我们利用所学知识来开发一个简单的购物车 &#xff08;记得暴露属性和方法&#xff01;&#xff01;&#xff01;&#xff09; 首先来看一下最基本的一个html框架 <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"&…