YOLO系列

一、目标检测与图像分类

1. 图像分类

图中有一只狗，将其识别出来即可，不关心其他内容！

2. 目标检测

目标检测要求对图像中的目标类别进行识别，同时，对目标进行定位。

• 识别图像中多个物体的类别和位置。
• 位置通常用边缘框来表示。

（1）边缘框——bounding box

边缘框通过4个数字定义，即左上x，左上y和右下x，右下y；或者 左上x，左上y和宽，高；

（2）边缘框的实现

定义box_corner_to_center()或者box_center_to_corner()函数；
第一个是从左上、右下转换到中间、宽度和高度；
第二个是从中间、宽度和高度转换到左上、右下

（3）数据集

（4）双阶段（Two-stage）&单阶段（One-stage）

双阶段：第一级网络用于候选区域提取，第二级网络对提取的候选区域进行分类和精确坐标回归；以RCNN系列为主要代表。
单阶段：摒弃了候选区域提取这一步，只用一级网络就完成了分类和回归两个任务；以YOLO和SSD为主要代表。

二、牛仔装备检测

1. 任务

三、YOLO V4

1. 摘要

（1）通用的技巧

• 残差连接&加权残差连接（Weighted-Residual-Connections, WRC）
• 跨阶段部分连接（Cross-stage-partial-connections, CSP）
• 跨迷你批量归一化（Cross mini-batch Normalization, CmBN）
• 自对抗训练（Self-adversarial-training, SAT）
• Mish激活函数（Mish-activation）

（2）上述之外，新添加的技巧

• 马赛克数据增广
• DropBlock归一化
• CIoU损失

2. 简介

• 这是一个强大的目标检测器，而且能够解决低端显卡算力不足的问题，只需要1080Ti级别的显卡即可训练。