目标检测是智能监控系统的核心部分,是身份识别领域的基础算法,具有重要的现实意义。由于YOLO系列算法在准确率和速度上都取得了不错的成绩,YOLO和后续的各个版本都在不断超越。因此,在本文中,它对 yolov3、yolov4 和 yolov5 三个版本的流行 YOLO 模型(yolov5l、yolov5m、yolov5s、yolov5x)进行了实验。通过对公共 VOC 数据集的训练和预测,分析总结了三个版本的 YOLO 模型的性能。结果表明,yolov4模型的mAP值高于yolov3模型,但速度略低,而yolov5系列模型的mAP值和速度均优于yolov3和yolov4模型。
论文地址:https://dl.acm.org/doi/abs/10.1145/3448748.3448786#sec-terms
YOLO分析《Performance Validation of Yolo Variants for Object Detection》
最新推荐文章于 2024-10-18 00:00:00 发布
本文通过实验对比分析了YOLOv3、YOLOv4和YOLOv5(包括yolov5l、yolov5m、yolov5s、yolov5x)在目标检测任务中的性能。结果显示,YOLOv5系列在准确率和速度上均超越了YOLOv3和YOLOv4,其中YOLOv4在精度上优于YOLOv3,但速度稍慢。
摘要由CSDN通过智能技术生成