YOLOv4学习记录（对比了v1-v3）

于 2024-04-10 16:06:59 发布
阅读量381 收藏 9
点赞数 4
分类专栏： 目标检测 文章标签： YOLO 目标检测 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_46582737/article/details/137599344
版权

目标检测YOLOv4详解

目标检测的分类

在这里插入图片描述

目标检测的数据表示与效果评估

在这里插入图片描述

YOLO系列详细讲解

YOLO系列的精华思想

在这里插入图片描述

YOLOv4网络结构介绍

  • 因为yolov4是2020年被提出的，它的作者做了大量的实验，整合了当时圈子里面很多优秀的思想。同时v4的作者还总结了目标检测的网络模型应该包含的四个部分：输入端、BackBone、Neck、Head。
  • 接下来的v1-v3也会基于这个结构做简单梳理。

在这里插入图片描述

YOLOv1-v3网络结构梳理

v1网络结构

v1版本没有Neck部分

在这里插入图片描述

v2网络结构

v2版本加入了Neck部分，用的是简单的特征融合。同时还做了很多细节方面的优化。

在这里插入图片描述

v3网络结构

v3版本的Neck部分，作者使用了FPN这种自顶向下的特征融合思想。

在这里插入图片描述

YOLOv4的网络结构与算法改进详解

在这里插入图片描述

输入端
  • v4作者整理了很多种图像增强的方法，做了大量实验，最终使用了他们自己提出来的一种叫做Mosaic的方法。
  • 同时还使用了SAT自对抗训练进行数据增加。
  • 标签的增强使用了类平滑标签。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

主干网络BackBone

主干网络作者使用了CSPDarkNet53、Mish激活函数、DropBlock。

在这里插入图片描述
在这里插入图片描述

特征融合Neck

特征融合部分，作者用了PANet（对FPN的改进引入了自底向上的逻辑）、SAM（CBAM的简化部分）、SPP（空间金字塔池化）的方法。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

预测头部分Head

Head部分作者使用了CIOU损失、DIOU-NMS。

在这里插入图片描述
在这里插入图片描述

参考文章

Anlina Li
关注
  • 4
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值