php餐饮美食店网站源码 生成html,域名服务器分为,完全菜鸟七天学会建网站,西部数码网站管理助手破解版YOLO介绍
YOLO#xff0c;全称为You Only Look Once: Unified, Real-Time Object Detection#xff0c;是一种实时目标检测算法。目标检测是计算机视觉领域的一个重要任务#xff0c;它不仅需要识别图像中的物体类别#xff0c;还需要确定它们的位置。与分类任务只关注对…
YOLO介绍
YOLO全称为You Only Look Once: Unified, Real-Time Object Detection是一种实时目标检测算法。目标检测是计算机视觉领域的一个重要任务它不仅需要识别图像中的物体类别还需要确定它们的位置。与分类任务只关注对象是什么不同目标检测需要同时处理离散的类别数据和连续的位置数据。YOLO算法基于深度学习的回归方法它将目标检测问题转化为一个回归问题使用单个卷积神经网络CNN直接从输入图像预测边界框bounding box和类别概率。这种方法避免了传统目标检测算法中复杂的多阶段处理流程如区域提议、特征提取等。
YOLO的网络结构受到了GoogLeNet的启发包含24个卷积层和2个全连接层。在YOLO v1中作者使用了1×1的降维层紧跟着3×3的卷积层来代替GoogLeNet的inception模块。YOLO将输入图像分割成S×S的网格每个网格单元负责检测中心点落在该单元内的目标。这种策略简化了目标的定位过程并允许模型快速地对多个目标进行定位和分类。YOLO的设计强调实时性能通过一次前向传播就可以完成检测任务这使得它非常适合用于视频流分析或其他需要快速响应的应用场合。
Yolo算法采用一个单独的CNN模型实现end-to-end的目标检测核心思想就是利用整张图作为网络的输入直接在输出层回归 bounding box边界框 的位置及其所属的类别
首先将输入图片resize到448x448然后送入CNN网络最后处理网络预测结果得到检测的目标。相比R-CNN算法其是一个统一的框架其速度更快。
Yolo算法思想
Yolo模型采用预定义预测区域的方法来完成目标检测具体而言是将原始图像划分为 7x749 个网格grid每个网格允许预测出2个边框bounding box包含某个对象的矩形框总共 49x298 个bounding box。我们将其理解为98个预测区很粗略的覆盖了图片的整个区域就在这98个预测区中进行目标检测。 Yolo的网络结构
YOLO的结构非常简单就是单纯的卷积、池化最后加了两层全连接从网络结构上看与前面介绍的CNN分类网络没有本质的区别最大的差异是输出层用线性函数做激活函数因为需要预测bounding box的位置数值型而不仅仅是对象的概率。YOLO的整个结构就是输入图片经过神经网络的变换得到一个输出的张量
网络的输入是原始图像唯一的要求是缩放到448x448的大小。主要是因为Yolo的网络中卷积层最后接了两个全连接层全连接层是要求固定大小的向量作为输入所以Yolo的输入图像的大小固定为448x448。网络的输出就是一个7x7x30 的张量。
根据YOLO的设计输入图像被划分为 7x7 的网格grid输出张量中的 7x7 就对应着输入图像的 7x7 网格。 Yolo模型的训练 在进行模型训练时需要构造训练样本和设计损失函数才能利用梯度下降对网络进行训练。
将一幅图片输入到yolo模型中对应的输出是一个7x7x30张量构建标签label时对于原图像中的每一个网格grid都需要构建一个30维的向量。 20个对象分类的概率
对于输入图像中的每个对象先找到其中心点。上图中自行车其中心点在黄色圆点位置中心点落在黄色网格内所以这个黄色网格对应的30维向量中自行车的概率是1其它对象的概率是0。所有其它48个网格的30维向量中该自行车的概率都是0。这就是中心点所在的网格对预测该对象负责。
2个bounding box的位置
训练样本的bbox位置应该填写对象真实的位置bbox填哪一个需要根据网络输出的bbox与对象实际bbox的IOU来选择。
Yolo先使用ImageNet数据集对前20层卷积网络进行预训练然后使用完整的网络在PASCAL VOC数据集上进行对象识别和定位的训练。
Yolo的最后一层采用线性激活函数其它层都是Leaky ReLU。训练中采用了drop out和数据增强来防止过拟合。 yoloV4算法
YOLOv4是YOLO系列算法的第四代版本它在YOLOv3的基础上进行了一系列改进和优化以实现更高的检测精度和更快的处理速度为了提高模型的泛化能力和防止过拟合YOLOv4还引入了Dropblock正则化方法。这种方法在训练过程中逐渐增加遮挡的比例迫使网络学习更加鲁棒的特征表示。
YOLOv4的网络结构由四个关键部分组成Input、Backbone、Neck和Head。
Input部分这是网络的输入端负责接收待处理的图像数据。Backbone部分 (CSPDarknet53)这部分是整个网络结构的主干主要负责对输入图像进行特征提取。CSPDarknet53是一种残差网络它通过CSPCross Stage Partial模块优化了梯度流和计算量相较于DarkNet53CSPDarknet53在保持准确率的同时减少了计算量。每个CSP模块都会使输出的特征图大小减半而通道数增倍有利于提取更深层的特征。Neck部分 (SPP和PANet)Neck部分紧随Backbone用于进一步加强特征提取。SPP空间金字塔池化可以融合不同尺寸的特征增大模型的感受野而PANet路径聚合网络则是FPN特征金字塔网络的加强版它融合了自底向上和自顶向下的特征信息反复提取特征以增强模型的表征能力。Head部分 (YOLOv3)最后是Head部分也就是预测头部负责进行最终的边界框预测和类别概率输出。YOLOv4采用了YOLOv3作为其Head利用前面提取的特征来执行实际的目标检测任务。
yoloV4网络的输入依然要求是32的倍数但大小不是固定的在yoloV4中默认是608×608在实际项目中也可以根据需要修改比如320×320一般是32的倍数。 输入图像的大小和最后的三个特征图的大小也是对应的比如416×416的输入最后的三个特征图大小是13×1326×2652×52 如果是608×608最后的三个特征图大小则是19×1938×3876×76。
yoloV4在输入端除了采用常规的反转、裁切、旋转等方法外主要采用了CutMix和马赛克数据增强马赛克增强方式将4张训练图像按一定比例组合成1张。Mosaic增强方式使得模型能够学习如何识别尺寸小的物体还能够帮助模型在图像的不同部分定位不同类型的目标。
模型训练
yoloV4中的模型训练与预测和YoloV3几乎是一样的包括正负样本的设置方式损失函数的构成及训练过程。唯一不同是在计算回归值得损失时V4中采用了IOU的损失。IOU损失非常简单直接使用检测框与真实框的交并比并取对数作为回归的损失函数
GIOU损失是为了缓解IOU损失的问题提出来的这种方式存在的问题是当检测框在真实框内部或正式框在检测框内部时无法衡量差集损失函数退化为1-IOU。
系统环境配置确保您的计算机系统满足训练YOLOv4的要求。常见的配置包括Windows或Linux操作系统以及安装有CUDA和cuDNN的NVIDIA显卡。获取YOLOv4代码从GitHub上克隆YOLOv4的官方代码仓库该仓库提供了训练YOLOv4所需的所有脚本和配置文件。数据集准备准备用于训练的目标检测数据集。如果是视频数据需要先将视频帧提取为图片格式。此外还需要对数据集进行标注生成包含物体类别和位置信息的注释文件。修改配置文件根据您的数据集和训练需求修改YOLOv4的配置文件。这些配置文件中定义了模型参数、训练参数以及数据加载方式等重要信息。模型训练使用准备好的数据集和配置文件开始训练YOLOv4模型。训练过程中模型会学习识别和定位图像中的物体。模型评估在训练完成后使用验证集对模型的性能进行评估检查模型的准确率和召回率等指标。模型部署将训练好的模型部署到实际应用中如监控系统、自动驾驶车辆或其他需要实时目标检测的场合。优化调整根据模型在实际应用场景中的表现进一步调整模型参数或数据集以提高模型的准确性和鲁棒性。 我们还需要参考YOLOv4的官方文档、相关教程以及社区提供的经验分享。
