2021 山东大学软件学院软件工程应用与实践--YOLOV5项目代码分析——（10）

最新推荐文章于 2022-12-12 01:43:28 发布

qq_57299978

最新推荐文章于 2022-12-12 01:43:28 发布

阅读量199

点赞数

分类专栏： YOLOV5 文章标签： python 深度学习 pytorch

本文链接：https://blog.csdn.net/qq_57299978/article/details/122164068

版权

这篇博客主要分析了2021年山东大学软件学院软件工程应用与实践课程中关于YOLOV5项目的代码，重点讲解了TensorFlow框架下的TFDetect用于目标检测，TFConcat处理输入特征形状，以及如何通过representative_dataset_gen进行样本数据量化。此外，还介绍了run函数中运行不同模型的方式，parse_opt参数传递函数和main主函数的实现。

摘要由CSDN通过智能技术生成

2021SC@SDUSC

TFDetect

Tensorflow框架下的detection，同common.py中的detection

class TFDetect(keras.layers.Layer):
    def __init__(self, nc=80, anchors=(), ch=(), imgsz=(640, 640), w=None):  # detection layer
        super(TFDetect, self).__init__()
        self.stride = tf.convert_to_tensor(w.stride.numpy(), dtype=tf.float32)
        self.nc = nc  # number of classes
        self.no = nc + 5  # number of outputs per anchor
        self.nl = len(anchors)  # number of detection layers
        self.na = len(anchors[0]) // 2  # number of anchors
        self.grid = [tf.zeros(1)] * self.nl  # init grid
        self.anchors = tf.convert_to_tensor(w.anchors.numpy(), dtype=tf.float32)
        self.anchor_grid = tf.reshape(tf.convert_to_tensor(w.anchor_grid.numpy(), dtype=tf.float32),
                                      [self.nl, 1, -1, 1, 2])
        self.m = [TFConv2d(x, self.no *