[Datawhale#3] cv task2&3 - Datawhale AI夏令营

YOLO原理

You only live once?

1. 概述

YOLO（You Only Look Once）是一种将目标检测任务视为回归问题的深度学习算法。与传统的滑动窗口和区域提议方法不同，YOLO通过单一的神经网络直接从整个图像中预测边界框和类别概率，从而极大地提升了检测速度。

2. 网络结构

YOLO使用一个卷积神经网络（CNN）来处理输入图像，经过一系列卷积和池化层后，输出一个特征图。这个特征图会被分成SxS的网格，每个网格单元负责预测多个边界框和相应的置信度分数。

3. 预测流程

在每个网格单元中，YOLO会预测B个边界框及其置信度分数。此外，每个边界框会预测目标类别的概率。最终的输出是一个(S, S, Bx5 + C)维度的张量，其中5表示边界框的坐标及其置信度，C表示类别数。

4. 损失函数

YOLO的损失函数包括三个部分：边界框的定位误差、分类误差以及置信度误差。通过综合这些误差，YOLO可以在训练过程中同时优化目标的定位和分类性能。

5. 优缺点

优点：YOLO速度快，适合实时应用；端到端训练，简单易用。
缺点：在处理小物体和重叠物体时效果不佳，容易受到定位误差的影响。

6. 版本

目前YOLO版本仍以v5和v8为主，窍门：看是谁提出的，如果是大家就可以。

版本号	年份	主要贡献与特点
YOLOv1	2015	实时端到端物体检测，将检测视为回归问题，单次网络评估预测位置和类别。
YOLOv2	2016	引入批量归一化，高分辨率分类器，全卷积网络，能检测超过9000个类别。
YOLOv3	2018	使用更深的Darknet-53网络，引入特征金字塔网络提高多尺度目标检测能力。
YOLOv4	2020	结合CSPNet、PANet、SAM等技术，提高特征提取和检测效率。
YOLOv5	2020	使用Pytorch框架，不同大小模型版本适应不同环境，易用性和性能显著改进。
YOLOv6	2021	多种不同尺寸模型适应工业应用，继续在YOLO系列基础上改进。
YOLOv7	2022	架构变化和一系列免费包提高准确率，保持实时性。
YOLOv8	2023	新功能和改进，包括新的骨干网络、Anchor-Free检测头和新损失函数，提升性能和灵活性。
YOLOv9	2023	引入可编程梯度信息（PGI）和基于梯度路径规划的通用高效层聚合网络（GELAN）架构。
YOLOv10	2024	通过消除非最大抑制（NMS-Free）和优化各种模型组件，实现了最先进的性能。

YOLOv1至YOLOv3主要由Joseph Redmon及其合作者提出，而后续版本则由不同的研究者和团队负责开发。YOLOv4之后的版本，尤其是YOLOv5和YOLOv8，由Ultralytics公司开发和维护。

Baseline

1. 更改训练集

2. 更改模型

注意这个地方需要改

进一步的方法

1. 数据集增强

• 数据增强：在数据预处理阶段，对训练数据进行多种增强操作（如翻转、旋转、缩放、颜色抖动等），以提升模型的泛化能力，增强其对不同场景的鲁棒性。

2. 模型训练参数

• 学习率：通过学习率调度器动态调整学习率，控制模型更新的步长。
• 批次大小（batch size）：设置合适的批次大小，确保有效利用内存且有足够的训练稳定性。
• 损失函数：选择合适的损失函数，如分类损失、边界框回归损失等，以优化模型在多任务中的表现。

3. 模型预测参数

• conf（置信度阈值）：设置最小置信度，以过滤掉低置信度的检测结果。
• iou（IoU阈值）：用于非极大值抑制（NMS），减少重叠检测框。
• imgsz（图像尺寸）：调整输入图像大小，平衡检测精度和速度。
• device（设备）：指定推理设备（如CPU、GPU）以优化计算资源。
• augment：启用推理时增强（TTA），增加检测鲁棒性。