yolov5源码解析与实践
文章平均质量分 95
kv1830
这个作者很懒,什么都没留下…
展开
-
yolov5训练加速--一个可能忽视的细节(mmdetection也一样),为什么显卡使用率老是为0?(续)
之前写过一篇yolov5训练加速的文章,将图片缓存到内存或者缓存npy到SSD上以加速图片加载的时间,但是涉及到把原图resize到640的时候会有一些细节需要注意。原创 2023-09-03 00:53:44 · 6141 阅读 · 14 评论 -
yolov5源码解析(0)--focus层哪去了?
很多介绍yolov5的文章都会讲到focus层,但是如果你去看yolov5的源码(比如yolov5-6.2, yolov5-7.0等较新的版本),你会发现代码里还有focus层,但是没用到它。原因是focus层已经被6乘6步长2的卷积层替代了,因为它们的计算过程是等价的,而后者的性能更好,对于端侧设备也跟友好。本文详细分析了它们为何等价,以及如何等价替换。原创 2023-05-21 17:44:12 · 2059 阅读 · 0 评论 -
yolov5训练加速--一个可能忽视的细节(mmdetection也一样),为什么显卡使用率老是为0?
本文仅讨论节省图片加载时间问题,这里面可能有一些容易忽视的细节。原创 2023-03-26 22:32:21 · 13087 阅读 · 43 评论 -
yolov5推理出大的错误框--一种简单粗暴但局限的规避方法
yolov5在匹配格子、anchor与物体标签的时候,有可能把同一个格子同一个anchor匹配给不同的物体,甚至是尺度相差的比较大的物体,此时就有可能导致在推理的时候推理出一些置信度偏低、尺度比真实物体大很多的物体框。本文采用了一种简单粗暴并且有局限性的办法来规避,但是在一定的限度内确实蛮有效的~~原创 2022-12-05 09:00:00 · 3025 阅读 · 2 评论 -
yolov5源码解析(10)--损失计算与anchor
本文章基于yolov5-6.2版本。主要讲解的是yolov5在训练过程中是怎么由推理结果和标签来进行损失计算的。损失函数往往可以作为调优的一个切入点,所以我们首先要了解它。原创 2022-11-21 09:16:17 · 5298 阅读 · 9 评论 -
yolov5源码解析(9)--输出
本文章基于yolov5-6.2版本。主要讲解的是yolov5是怎么在最终的特征图上得出物体边框、置信度、物体分类的。原创 2022-10-24 00:29:44 · 17893 阅读 · 21 评论