目录
YOLO系列算法发展过程
YOLO系列算法的发展过程可以追溯到2016年,当时Joseph Redmon发表了YOLOv1。这个版本的算法是整个YOLO系列的奠基之作,其核心思想是将输入图片缩放至448x448x3大小,经过卷积网络backbone提取特征图,然后把提取到的特征图送入两层全连接层,最终输出7x7x30大小的特征图。
紧接着在2016年底,Joseph Redmon又发布了YOLOv2。YOLOv2的主要改进包括:更多的网络层次、更大的网络尺寸、使用Darknet-19作为网络的主干、Anchor Boxes的引入等。这些改进使得YOLOv2在检测精度上有了显著提升。
然后,在2017年底,Joseph Redmon发布了YOLOv3。YOLOv3的主要改进包括:Darknet-53作为网络的主干、使用多尺度训练和测试、Anchor Boxes的改进等。这些改进使得YOLOv3在保持高速度的同时,进一步提高了检测精度。值得一提的是,Ultralytics发布了第一个使用PyTorch框架实现的YOLO (YOLOv3)。
之后,在2018年底,Joseph Redmon发布了YOLOv4。YOLOv4的主要改进包括:Mish激活函数的使用、CIOU损失函数的使用、PANet和FPN的结合等。这些改进使得YOLOv4在保持高速度的同时,进一步提高了检测精度。<