yolov5
文章平均质量分 82
qyu21490
这个作者很懒,什么都没留下…
展开
-
Yolov5系列(4)-dataloader模块
Abstract数据的加载对于一个检测网络来说可以说是重中之重,在ICCV的很多论文中,提到了各种数据预处理的技巧,很幸运得是,yolov5将这些内容加入到了他的代码中,同时,代码的耦合度并不高,我们可以很轻松的将其移植到其他项目中去...原创 2021-04-28 19:47:32 · 5861 阅读 · 8 评论 -
Yolov5系列(3)-loss解析
Abstract在yolov5中,loss在训练中起到了决定性的作用,同时,yolov5的loss又与大部分传统的方法不同,它是基于网格的.在网格上生成相应的anchor框和其对应的cls以及conf,同时,box loss还采用了CIOU的方式来进行回归,很好的提高了回归的速度.并且针对传统yolo中正样本不足的情况.它还采用了,它还利用了一种样本扩充的策略,很大的提高了其最终的检测精度Introduction1.yolov5划定正负样本yolov5会将最终的输出划分为一个w*h的网格.对于每一原创 2021-04-27 17:18:51 · 16501 阅读 · 8 评论 -
YoloV5系列(2)-model解析
Yolov5由backbone,neck,prediction四部分组成如上图所示,例如输入端由6086083的图片组成,经过各个模块,这些主要模块可以分为Focus,CBL,CSP1,CSP2,SPP组成,然后再将这些模块通过某种形式组合,形成整个网络,最终输出3个特征层.在yolov5/models下,存放着构建模型的所有代码.很幸运的,作者将代码分模块化,并且采用了yaml文件用来配置整个文件,使代码变得易读,高效.整个代码实现如同建造一间精美的房屋一样.让我们可以清晰的了解整个思路.下面,让我原创 2021-03-23 19:34:28 · 4515 阅读 · 6 评论 -
YoloV5系列(2)-数据集准备
Yolov5的数据集格式相对来说较为简单,对于一个数据集,它的根目录可以使这两种形式#格式1dataset├── images│ └── train│ │ ├── 001.jpg│ │ └── 002.jpg│ ││ └── test│ ├── 003.jpg│ └── 004.jpg│└── labels ├──train │ ├─原创 2021-03-23 15:24:22 · 4176 阅读 · 5 评论