?Yolo5完整解析圖

Yolo5核心的一些東西：

• 輸入端：
  • mosaic、仿射變換等。
  • 自適應錨框計算。
  • 自適應圖片縮放。（能提升37%推理速度）
• Backbone：Focus結構（提升推理速度）、新的CSP結構。
• Neck：SPP、FPN+PAN的結構，
• 輸出端：
  • 3個臨近grid cell負責預測目標，相當于增加了2倍正樣本量，極大加速收斂，并修改了預測框回歸公式（具體見解析圖）
  • 剛開始是邊框回歸用GIOU-Loss，后面版本又改成CIOU-Loss。

其他細節改動：

1. 拋棄了基于max iou匹配的規則，而是直接采用shape（也就是該bbox和當前層的anchor計算寬高比）。
2. 還有太多細節，而且這些細節不停改動變化中，不細說了。

部分核心原理講解

總結

以上是生活随笔為你收集整理的Yolo5算法详解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。