Yolov5

一、改进

与yolov3对比，主要进行了下面4方面改进

（1）输入端：Mosaic数据增强、自适应锚框计算
（2）Backbone：Focus+CSPDarknet53
（3）Neck：FPN+PAN
（4）Prediction：GIOU_Loss

二、模块

2.1 自适应锚框

可以选择预先设定的锚框值，也可以在训练过程中，对当前训练集中进行锚框值的计算。

2.2 Focus结构

根据这篇博客解释图像H*W*Channel经过focus结构图像变成H‘*W’*Channel‘，但是三者乘积不变

如：将32*32*3图像经过focus变化后得到16*16*12

 

2.3 CSPDarknet53

CSPDarknet53=CSPNet+Darknet53

CSPNet（Cross Stage Partial，跨阶段局部网络），参考。

基本结构形式：

Darknet53结构：

 

CSPDarknet53结构：

2.4 GIOU_Loss

GIOU(Generalized Intersection over Union)

                       

        

          Ac：两个框的最小闭包区域面积（同时包含了预测框和真实框的最小框的面积）

          U：两个框并集区域面积

   

三、yaml文件分析

yolov5有四种结构：yolov5s、yolov5m、yolov5l、yolov5x，主要对Backbone、Neck中网络的深度及宽度进行修改。

详细参考：

https://www.cnblogs.com/E-Dreamer-Blogs/p/13297580.html

https://blog.csdn.net/mary_0830/article/details/107124459

 

四、yolov5实现安全帽佩戴检测

 

 

1、数据集收集并标注

2、搭建yolov5环境，设置参数，模型训练

3、利用pyqt库编写界面

 

 

参考：

深入浅出Yolo系列之Yolov5核心基础知识完整讲解