YOLOv4结构图的尝试绘制

最新推荐文章于 2024-07-25 21:48:36 发布
最新推荐文章于 2024-07-25 21:48:36 发布
阅读量3.1k 收藏 26
点赞数 7
分类专栏： computer vision yolo 文章标签： computer vision
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43578776/article/details/105965205
版权
本文介绍了YOLOv4的结构图绘制过程，重点关注了四个关键模块：空间金字塔池化(SPP)、CSPDarknetconv2D_BN_Mish_block、跨阶段局部块(CSP_block)和YOLOv3的残差块。SPP解决了图像纵横比和尺寸变化的问题，CSPBlock结合了残差块与额外卷积层以增强梯度传播和减少计算量，而Mish激活函数则提升了网络性能。
摘要由CSDN通过智能技术生成

YOLOv4结构图
绘制过程参考了@木盏该博主的思路
YOLOv3 结构图见下方链接

https://blog.csdn.net/leviopku/article/details/82660381

可能有错误之处，欢迎大家批评指正
在这里插入图片描述图1 YOLOv4 的基本模块

图1的每个模块的具体解释如下：

(1) 空间金字塔池化(SPP，Spatial Pyramid Pooling)板块，目的主要是解决图像的纵横比(Ratio Aspect) 和输入图像的尺寸改变的情况，而不至于扭曲原始的图像，因此SPP的显著特点是使用多个窗口，用同一图像不同尺寸(Scale)作为输入，得到同样长度的池化特征，产生固定大小的输出。由于对输入图像的不同纵横比和不同尺寸，SPP同样可以处理，所以提高了图像的尺度不变(Scale-invariance)和降低了过拟合(Over-fitting)，SPP对于特定的CNN网络设计和结构是独立的，只要把SPP放在最后一层卷积层后面，对网络的结构是没有影响， 只是替换了原来的池化层(Pooling layer)。

(2) CSPDarknetconv2D_BN_Mish_block板块，是YOLOv4的基本组件。即卷积层加上BN层加上Mish[16]激活函数层。2019年Misra提出的Mish作为新的深度学习激

最低0.47元/天 解锁文章
Gio Wong
关注
  • 7
    点赞
  • 踩
  • 26
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
YOLOv8改进 | SPPF篇 | 利用YOLOv9最新的SPPELAN模块改进SPPF（全网独家创新，附手撕结构图）
Snu77的博客
02-24 5192
本文给大家带来的改进机制是利用2024/02/21号最新发布的YOLOv9其中提出的SPPELAN模块来改进SPPF，其中YOLOv9针对于这个模块并没有介绍，只是在其项目文件中用到了，我将其整理出来用于我们的YOLOv8的项目，同时空间金字塔池化作为我们YOLOv8中的一个比较独特的存在其的改变并不会影响我们的模型其它的改进太多，所以如果你融合方面比较困难，可以尝试替换一下SPPF来改变模型的结构从而达到一个创新的目的，同时本文的内容目前网络上并无其它人总结大家可以尝试以下在自己数据集上的效果。
yolov4的网络结构图（纯属原创）
07-31
自己根据一些大佬资料画的，下载了的朋友有不懂的地方可以留言讨论。引用注明出处就好，谢谢。 自己根据一些大佬资料画的，下载了的朋友有不懂的地方可以留言讨论。引用注明出处就好，谢谢。
YOLOV4结构图
feelingjun的博客
01-17 2485
CSPDarkNet主干网络结构图： CBM：conv+batchNorm+Mish(激活函数) 整个网络构架：CSPDarkNet就是上面的结构 CBL:conv+batchNorm+Leaky CBLi:conv+batchNorm+line
Visio绘制的YOLOv5网络结构图,可导出高清图片，可修改，无水印
最新发布
m0_51530640的博客
07-25 348
Visio绘制的YOLOv5网络结构图,可导出高清图片，可修改，无水印。Visio版本为2021版，可用更高版本打开。方便用于小论文写作，方便用于毕业设计。
一张图梳理YOLOv4论文
weixin_40920183的博客
04-27 981
AlexeyAB大神继承了YOLOv3, 在其基础上进行持续开发，将其命名为YOLOv4。并且得到YOLOv3作者Joseph Redmon的承认，下面是Darknet原作者的在read...
Yolov4可视化网络结构图
热门推荐
江南研习社
05-20 3万+
该结构图由netron工具打开制作而成，如想安装netron工具，可移步大白的另一篇文章《网络可视化工具netron详细安装流程》
YOLOv4网络结构
xiaolt90的博客
05-30 3074
YOLOv4的出现引起了一定的轰动，在保持快速检测的前提下（相对于YOLOv3略低）在COCO2017数据集上AP值相对于YOLOv3提升了差不多10个点。 最近准备用YOLOv4，顺便学习一下网络结构（虽然YOLOv4的主要优势可能不在这里），这边作个笔记。 图1. yolov4完整网络结构（backbone + head） ...
yolov5行人识别 qt 鼠标检测 绘制区域 检测超界.zip
05-20
Yolov5通过改进的网络结构、优化的训练策略以及自适应锚框等技术，显著提高了目标检测的速度和精度。在行人检测任务中，Yolov5可以快速地定位并识别出图像中的行人。 其次，PyQt5是Qt库的Python绑定，它为开发者...
使用yolov4进行自定义数据集训练与测试图片检测展示
2301_77280933的博客
04-28 706
在本文中，我将介绍如何使用YOLOv4算法，基于课上提供的代码，使用自己标注的数据集进行训练，并最终得到一个训练好的模型。通过本文的介绍，我们成功地使用YOLOv4算法对自定义数据集进行了训练，并使用测试图片对训练好的模型进行了检测。未来，我们可以进一步探索如何优化模型的性能，如使用更先进的优化算法、增加数据集的多样性等。同时，我们还需要修改YOLOv4的配置文件，设置训练过程中的相关参数，如学习率、批次大小、迭代次数等。此外，我们还可以尝试调整训练过程中的参数或优化策略，以进一步提高模型的性能。
YOLOv9教程：如何在自定义数据上进行YOLOv9的分割训练
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
04-28 1913
在快速发展的计算机视觉领域，对象分割在从图像中提取有意义的信息方面发挥着关键作用。在众多分割算法中，YOLOv9 已成为一种强大且适应性强的解决方案，提供高效的分割功能和卓越的准确性 在这篇文章中，我们将深入探讨 YOLOv9 在自定义数据集上进行对象分割的训练过程，并对测试数据进行推理。
yolov3和yolov4结构图.tar.gz
05-20
yolov3、yolov4可视化结构图，详细的yolov3、yolov4完整入门讲解在博客首页，包括yolov4详细的讲解，以及和yolov3不同之处。
yolov4网络结构
qq_44876051的博客
07-31 2455
yolov4从理解到代码实现什么是YOLO？主干网络backbone二级目录三级目录网络结构 这篇文章中，我将从细节解释yolo原理以及其代码实现。 什么是YOLO？ YOLO(you only look once)是一种使用卷积神经网络进行目标检测的算法。 主干网络backbone 参考文档 Gamma公式展示 Γ(n)=(n−1)!∀n∈N\Gamma(n) = (n-1)!\quad\forall n\in\mathbb NΓ(n)=(n−1)!∀n∈N 是通过 Euler integral Γ(z
【网络结构】绘制YOLOX结构
qq_43426908的博客
03-28 5667
原文地址：https://arxiv.org/abs/2107.08430 github地址：https://github.com/Megvii-BaseDetection/YOLOX 1.主要模块 （1）CSPDarknet架构   Focus：[B, C, W, H] -> [B, 4C, W/2, H/2]，与swim transformer中一样   CSPLayer：增强CNN学习能力，移除计算瓶颈，降低显存使用 （2）PAFPN结构   高层向低层融合后，低层再向高层融合 （3）Decou
YOLOv4之网络结构剖析
qq_18824345的博客
03-15 8121
1.yolov4的网络结构 yolov4的网络结构包括 backbone CSPDarknet53 Neck SPP PANet Dence Prediction yolo head 整个网络结构如下图1所示: 图1 yolov4结构 1.1 BackBone 1.1.1 CSP模块 CSP在论文《CSP:A New Backbone that can Enhance Learning Capability of CNN 》提出，把CSP(Cross Stage Partial)应用
YOLOv4网络结构解析
weixin_43915511的博客
08-28 2957
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
yolov4 网络结构解析
u010451780的专栏
06-12 1104
YOLO V4 — 网络结构和损失函数解析（超级详细！） - 知乎 (zhihu.com) 1.前言 最近用YOLO V4做车辆检测，配合某一目标追踪算法实现车辆追踪+轨迹提取等功能，正好就此结合论文和代码来对YOLO V4做个解析。先放上个效果图（半成品），如下： 话不多说，现在就开始对YOLO V4进行总结。 YOLO V4的论文链接在这里,名为《YOLOv4: Optimal Speed and Accuracy of Object Detection》，相信大家也是经常看到这几个词眼：大
【YOLO系列】YOLO v4（网络结构图+代码）
陶将的博客
06-04 2088
V4在V3的基础上整合了大量提升精度的trick，实现了FPS和精度的平衡。Yolo v4虽没有理论上的创新，单还是受到许许多多的工程师的欢迎。
怎么绘制yolov7-tiny的结构图
05-30
要绘制 YOLOv7-tiny 的结构图，您可以使用一些可视化工具，如TensorBoard、Netron和DrawNet等工具。 以下是使用TensorBoard来可视化YOLOv7-tiny的步骤： 1. 安装TensorFlow和TensorBoard 首先，您需要安装TensorFlow和TensorBoard。您可以使用以下命令来安装： ``` pip install tensorflow pip install tensorboard ``` 2. 下载YOLOv7-tiny的代码 接下来，您需要从GitHub上下载YOLOv7-tiny的代码。您可以使用以下命令来克隆代码库： ``` git clone https://github.com/WongKinYiu/yolov7.git ``` 3. 运行TensorBoard 在下载了YOLOv7-tiny的代码后，您需要在代码的根目录下运行TensorBoard。您可以使用以下命令来启动TensorBoard： ``` tensorboard --logdir=runs ``` 4. 可视化YOLOv7-tiny的结构 启动TensorBoard后，您可以在Web浏览器中输入 http://localhost:6006/ 访问TensorBoard的Web界面。在Web界面中，您可以找到“Graphs”选项卡，点击它以查看YOLOv7-tiny的结构。 希望这可以帮助到您。
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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