![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
YOLOv5目标检测
文章平均质量分 94
YOLOv5从理解到改进
G.E.N.
努力努力努力 人工智能专业
展开
-
YOLOv5深度剖析
YOLOv5与历代YOLO算法相似,使用了网格的概念,将图像划分为多个网格,每个网格负责预测一个或多个物体,简单来说每个网格都可以产生预测框。网格可以产生预测框的原因也很简单。网格内存有几个(一般为三个)预测框的模板,也就是"anchor"每个anchor都有预设的宽高、坐标以及置信度。置信度表示网格内存在物体的概率。原创 2023-02-24 20:54:56 · 15026 阅读 · 9 评论 -
YOLO 模型的评估指标——IOU、Precision、Recall、F1-score、mAP
YOLO是最先进的目标检测模型之一。目标检测问题相比分类问题要更加复杂,因为目标检测不仅要把类别预测正确,还要预测出这个类别具体在哪个位置。我将目标识别的评估指标总结为两部分,一部分为预测框的预测指标,另一部分为分类预测指标。原创 2023-01-01 00:53:46 · 23959 阅读 · 7 评论 -
YOLO v5 代码精读(1) detect模块以及非极大值抑制
YOLO 是目前最先进的目标检测模型之一,现在博客上常有的是如何使用YOLO模型训练自己的数据集,而鲜有对YOLO代码的精读。我认为只有对算法和代码实现有全面的了解,才能将YOLO使用的更加得心应手。这里的代码精读为YOLO v5,github版本为6.0。版本不同代码也会有所不同,请结合源码阅读本文。本文使用注释完成对每行代码的解读,文段来概括总结每个代码段。yolo v5代码 6.0版本 github代码地址。原创 2022-12-28 00:43:38 · 6232 阅读 · 2 评论 -
YOLO v5 代码精读(2)train模块
精读了YOLO v5 6.0版本的detect模块,这篇博客来精读train模块。原创 2023-01-03 23:36:50 · 2846 阅读 · 3 评论 -
YOLO v5 代码精读(3)YOLO网络结构
YOLO模型共有五种模型规格,规格越大的模型准确率越高,相应的预测时间也就越长。一般默认选择YOLOv5s,也可根据需求选择更大或更小的模型。这里以YOLO v5s为例,分析YOLO的网络结构。原创 2023-01-04 23:37:02 · 3497 阅读 · 2 评论