卷网面试必备： yolo几代的区别

yolo几代的区别

YOLO V1

head检测头s=7

backbone

是googleNet

YOLO V2

开始预测偏移量

检测头s=13
bounding box设置为五个，为了速度和准确度同时满足

Backbone

卷积尺寸变小，vgg net论文得到一个结论， 7* 7卷积可以用更小的卷积代替，且 33卷积更加节约参数，使模型更小
网络可以做得更深，更好地提取到特征。为什么？因为每做一次卷积，后面都会接一个非线性的激活函数，更深意味着非线性的能力更强了。所以，你可能以后再也见不到 77卷积了

3* 3卷积负责扩大感受野， 1* 1卷积负责减少参数量

使用了GAP(Global Average Pooling)层替代FC层 。提高检测的精度
提升4%mAP。

YOLO V3

检测头3个分支分别为32倍下采样，16倍下采样，8倍下（感受野最小）采样，分别取预测大，中，小目标

每个分支的bounding box设置为3个：每个分支的输出size为：

• [13,13,3*(4+1+80)]
• [26,26,3*(4+1+80)]
• [52,52,3*(4+1+80)]

损失函数的区别，
class_loss，和YOLO v2的区别是改成了交叉熵。

Backbone

darknet 53。ResNet（带gap的imagenet的残差网络）
用的是conv(stride = 2)进行下采样替代 Pooling layer。
因为Pooling layer，不管是MaxPooling还是Average Pooling，本质上都是下采样减少计算量，本质上就是不更新参数的conv，但是他们会损失信息，所以用的是conv(stride = 2)进行下采样。

YOLO V4

一个GT多个anchor，用threshold来控制是否使用该anchor
之前预测偏移量时：

但在v4中，因为考虑到sigmoid函数的值域是：（0，1） ，它不是 [0,1]
geo_loss 从MSE变成用IoU计算

（

• 收敛快(需要的epochs少)。
• 缓解了Bounding box全包含GT问题。

）

CIoU loss的梯度类似于DIoU loss，但还要考虑 的梯度。在长宽在 的情况下， 的值通常很小，会导致梯度爆炸，因此在 实现时将替换成1。

Backbone

输入端，数据增强Mosaic、cmBN、SAT自对抗训练
Mosaic数据增强的方式。
主要有几个优点：

1. 丰富数据集：随机使用4张图片，随机缩放，再随机分布进行拼接，大大丰富了检测数据集，特别是随机缩放增加了很多小目标，让网络的鲁棒性更好。
2. 减少GPU：可能会有人说，随机缩放，普通的数据增强也可以做，但作者考虑到很多人可能只有一个GPU，因此Mosaic增强训练时，可以直接计算4张图片的数据，使得Mini-batch大小并不需要很大，一个GPU就可以达到比较好的效果。

YOLO V5

Backbone

输入端的改进：
1.Mosaic数据增强，和YOLO v4一样。
2.自适应锚框计算：

自适应anchor，而且这个功能还可以手动打开/关掉

3.自适应图片缩放

代码中datasets.py的letterbox函数中进行了修改，对原始图像自适应的添加最少的黑边
推理速度得到了37%的提升（训练时没有采用缩减黑边的方式，还是采用传统填充的方式，即缩放到416*416大小。只是在测试，使用模型推理时，才采用缩减黑边的方式，提高目标检测，推理的速度。）

YOLO v5和前YOLO系列相比，特点应该是：

• (1) 增加了正样本：方法是邻域的正样本anchor匹配策略。
• (2) 通过灵活的配置参数，可以得到不同复杂度的模型
• (3) 通过一些内置的超参优化策略，提升整体性能
• (4) 和yolov4一样，都用了mosaic增强，提升小物体检测性能