还没搞懂YOLO v7,YOLO v8已经来了!

YOLOv8作为最新版本,继承并超越了YOLO系列,引入了C2f模块、Decoupled-Head、Anchor-Free思想和新的损失函数VFL Loss+DFL Loss,提升了目标检测性能和灵活性。它在PAN-FPN结构上进行了优化,移除了上采样阶段的卷积,并采用了Task-Aligned Assigner进行样本匹配。YOLOv8的设计允许在不同版本间轻松切换,便于比较和使用。
摘要由CSDN通过智能技术生成

YOLO系列又双叒更新!

只能说,YOLO系列发展地真快,已经有点跟不上了!

YOLOv1-YOLOv8系列回顾

YOLOv1:2015年Joseph Redmon和Ali Farhadi等人(华盛顿大学)

YOLOv2:2016年Joseph Redmon和Ali Farhadi等人(华盛顿大学)

YOLOv3:2018年Joseph Redmon和Ali Farhadi等人(华盛顿大学)

YOLOv4:2020年Alexey Bochkovskiy和Chien-Yao Wang等人

YOLOv5:2020年Ultralytics公司

YOLOv6:2022年美团公司

YOLOv7:2022年Alexey Bochkovskiy和Chien-Yao Wang等人

YOLOv8:2023年Ultralytics公司

先来看看经典的YOLOv5

  1. Backbone:CSPDarkNet结构,主要结构思想的体现在C3模块,这里也是梯度分流的主要思想所在的地方;

  2. PAN-FPN:双流的FPN,必须香,也必须快,但是量化还是有些需要图优化才可以达到最优的性能,比如cat前后的scale优化等等,这里除了上采样、CBS卷积模块,最为主要的还有C3模块(记住这个C3模块哦);

  3. Head:Coupled Head+Anchor-base,毫无疑问,YOLOv3、YOLOv4、YOLOv5、YOLOv7都是Anchor-Base的,后面会变吗?

  4. Loss:分类用BEC Loss,回归用CIoU Loss。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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