本文介绍了目标检测算法的分类，包括双阶段和一阶段方法，并详细解析了一阶段方法的代表YOLOV5网络结构。重点讨论了YOLOV5的输入端，如Mosaic数据增强、Focus模块以及自适应锚框计算和图片缩放策略。此外，还提及了Backbone部分，采用CSPdarknet+SPP结构来提取图像特征。
目标检测：表达出图中是什么，位置在哪里。
1、目标检测算法分类:
双阶段：第一级网络用于候选区域提取；第二级的网络对提取的候选区域进行分类和精确坐标回归，例如RCNN系列。
一阶段：摒弃了候选区域提取这一个步骤，只用一级网络就完成了分类和回归的两个任务，列如YOLO和SSD系列。
2. YOLOV5网络结构：
注意：此图为YOLOV5 5.0 的m版本
网络主要分为输入端、Backbone、Neck、Prediction四个部分。
2.1 输入端
Mosaic数据增强
参考我的另外一篇博客：点击此处
Focus
Focus模块是图片进入backbone前，对图片进行切片操作&#x
最低0.47元/天 解锁文章
933
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
