Yolov3&Yolov4网络结构与源码分析

最新推荐文章于 2024-08-08 08:33:46 发布
最新推荐文章于 2024-08-08 08:33:46 发布
阅读量1k 收藏 9
点赞数 2
分类专栏： 神经网络 深度学习 目标检测
吴建明
本文链接：https://blog.csdn.net/wujianing_110117/article/details/109179043
版权
本文详细分析了Yolov3和Yolov4目标检测算法的网络结构，包括核心组件、代码实现和优化创新。Yolov4在Yolov3基础上引入了CSP结构、SPP模块、Mish激活函数和Dropblock等改进，提高了检测速度和精度。同时，提供了Python和C++代码示例，以及TensorRT加速方案。
摘要由CSDN通过智能技术生成

Yolov3&Yolov4网络结构与源码分析

从2018年Yolov3年提出的两年后，在原作者声名放弃更新Yolo算法后，俄罗斯的Alexey大神扛起了Yolov4的大旗。

文章目录

  1. 论文汇总

  2. Yolov3核心基础内容

2.1 网络结构可视化

2.2 网络结构图

2.3 核心基础内容

  1. Yolov3相关代码

3.1 python代码

3.2 C++代码内容

3.3 python版本的Tensorrt代码

3.4 C++版本的Tensorrt代码

  1. Yolov4核心基础内容

4.1 网络结构可视化

4.2 网络结构图

4.3 核心基础内容

4.3.1 输入端创新

4.3.2 Backbone创新

4.3.3 Neck创新

4.4.4 Prediction创新

  1. Yolov4相关代码

5.1 python代码

5.2 C++代码

5.3 python版本的Tensorrt代码

5.4 C++版本的Tensorrt代码

  1. Yolov5核心基础知识完整讲解

  2. 相关数据集下载

  3. 不断更新ing

1.论文汇总

Yolov3论文名：《Yolov3:
An Incremental Improvement》

Yolov3论文地址：https://arxiv.org/pdf/1804.02767.pdf

Yolov4论文名：《Yolov4:
Optimal Speed and Accuracy of Object Detection》

Yolov4论文地址：https://arxiv.org/pdf/2004.10934.pdf

2.YoloV3核心基础内容

2.1 网络结构可视化

Yolov3是目标检测Yolo系列非常非常经典的算法，不过很多同学拿到Yolov3或者Yolov4的cfg文件时，并不知道如何直观的可视化查看网络结构。如果纯粹看cfg里面的内容，肯定会一脸懵逼。

2.2 网络结构图

在这里插入图片描述

上图三个蓝色方框内表示Yolov3的三个基本组件：

CBL：Yolov3网络结构中的最小组件，由Conv+Bn+Leaky_relu激活函数CBL：Yolov3网络结构中的最小组件，由Conv+Bn+Leaky_relu激活函数三者组成。
Res unit：借鉴Resnet网络中的残差结构，让网络可以构建的更深。
ResX：由一个CBL和X个残差组件构成，是Yolov3中的大组件。每个Res模块前面的CBL都起到下采样的作用，因此经过5次Res模块后，得到的特征图是608->304->152->76->38->19大小。

其他基础操作：

Concat：张量拼接，会扩充两个张量的维度，例如2626256和2626512两个张量拼接，结果是2626768。Concat和cfg文件中的route功能一样。
add：张量相加，张量直接相加，不会扩充维度，例如104104128和104104128相加，结果还是104104128。add和cfg文件中的shortcut功能一样。

Backbone中卷积层的数量：

每个ResX中包含1+2X个卷积层，因此整个主干网络Backbone中一共包含1+（1+21）+（1+22）+（1+28）+（1+28）+（1+24）=52，再加上一个FC全连接层，即可以组成一个Darknet53分类网络。不过在目标检测Yolov3中，去掉FC层，不过为了方便称呼，仍然把Yolov3的主干网络叫做Darknet53结构。

2.3 核心基础内容

Yolov3是2018年发明提出的，这成为了目标检测one-stage中非常经典的算法，包含Darknet-53网络结构、anchor锚框、FPN等非常优秀的结构。

本文主要目的在于描述Yolov4和Yolov3算法的不同及创新之处，对Yolov3的基础不过多描述。

3.YoloV3相关代码

3.1 python代码

代码地址：https://github.com/ultralytics/Yolov3

3.2 C++代码

这里推荐Yolov4作者的darknetAB代码，代码和原始作者代码相比，进行了很多的优化，如需要运行Yolov3网络，加载cfg时，使用Yolov3.cfg即可

代码地址：https://github.com/AlexeyAB/darknet

3.3 python版本的Tensorrt代码

除了算法研究外，实际项目中还需要将算法落地部署到工程上使用，比如GPU服务器使用时还需要对模型进行tensorrt加速。

（1）Tensort中的加速案例

强烈推荐tensort软件中，自带的Yolov3加速案例，路径位于tensorrt解压文件夹的TensortX/samples/python/Yolov3_onnx中

针对案例中的代码，如果有不明白的，也可参照下方文章上的详细说明：

代码地址：https://www.cnblogs.com/shouhuxianjian/p/10550262.html

（2）Github上的tensorrt加速

除了tensorrt软件中的代码， github上也有其他作者的开源代码

代码地址：https://github.com/lewes6369/TensorRT-Yolov3

3.4 C++版本的Tensorrt代码

项目的工程部署上，如果使用C++版本进行Tensorrt加速，一方面可以参照Alexey的github代码，另一方面也可以参照下面其他作者的开源代码

代码地址：https://github.com/wang-xinyu/tensorrtx/tree/master/Yolov3

4.YoloV4核心基础内容

4.1 网络结构可视化

Yolov4的网络结构也可以使用netron工具查看，也是对照其展示的可视化流程图绘制的下方网络结构图。

4.2

最低0.47元/天 解锁文章
wujianming_110117
关注
专栏目录
YOLOv8入门 | yaml文件解读，YOLOv8网络结构打印以及网络结构图绘制【小白必看】
kay_545
07-31 2730
yolov8模型搭建，yolov8详细解读，yolov8创新必会内容
目标检测最强算法YOLOv4 源码（source：GitHub）
05-15
如果Github下载较慢的话，可以使用这个文件 ，原github地址： ghttps://github.com/AlexeyAB/darknet
Yolov4源代码分析（知识点等
安卓 高通 bsp ，同行欢迎交流
02-02 1307
一些资源。比较老，好在能给我们抛砖引玉。 Yolov4源码详解 https://www.cnblogs.com/lh2n18/p/12986898.html darknet深度学习框架源码分析：详细中文注释，涵盖框架原理与实现语法分析 https://github.com/hgpvision/darknet YOLO源码详解 https://blog.csdn.net/u014540717/category_6513159.html 主函数参数以及char argv[]...
YOLOv4-PyTorch 项目教程
最新发布
gitblog_00148的博客
08-08 666
YOLOv4-PyTorch 项目教程 yolov4-pytorch这是一个YoloV4-pytorch的源码，可以用于训练自己的模型。项目地址:https://gitcode.com/gh_mirrors/yo/yolov4-pytorch 项目介绍 YOLOv4-PyTorch 是一个基于 PyTorch 框架实现的目标检测模型，它继承了 YOLOv4 的高效和准确性。该项目旨在提供一个易于...
【YOLOV4】YOLOV4-DarkNet源码解读
Gorgeous_wxd
05-31 862
文章目录YOLO中相关的数据结构与各种框有关YOLO中各种IoU的计算简单的IoU YOLO中相关的数据结构 与各种框有关 // x,y 分别代表框的中心点坐标 // w,h 分别代表框的宽度和高度 typedef struct box{ float x,y,w,h; }box; YOLO中各种IoU的计算 简单的IoU float overlab(float x1, float w1,float x2, float w2){ float l1 = x1 - w1/2; // 左侧端点 float
YOLOv5速成教程
胖虎卖汤圆的博客
06-20 4409
目标检测任务是计算机视觉领域的一大任务，依据是否有候选框（Region Proposal）大致可以分为两阶段目标检测（Two-stage Object Detection）与一阶段目标检测（One-Stage Object Detection）。两阶段目标检测模型以Faster R-CNN为代表，特点是精度高但速度慢；一阶段目标检测模型以YOLO系列为代表，其特点是速度快但精度略逊。YOLO的原作者Joseph Redmon自从发布YOLOv3后就退出了CV界，2020年四月Alexey等人发表了YOLOv
使用YOLOv5模型进行目标检测！
Datawhale
07-02 1万+
↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：陈信达，华北电力大学，Datawhale成员目标检测是计算机...
yolov3网络结构_深入浅出Yolov3&Yolov4
weixin_39731456的博客
11-24 1204
硬核又实用的Yolov3&Yolov4核心知识梳理，分享给大家。文章较长，建议先码住。作者：江大白原文链接：https://zhuanlan.zhihu.com/p/143747206因为工作原因，项目中经常遇到目标检测的任务，因此对目标检测算法会经常使用和关注，比如Yolov3、Yolov4算法。 当然，实际项目中很多的第一步，也都是先进行目标检测任务，比如人脸识别、多目标追...
YOLOv3 pytorch版源代码
06-25
1. **模型结构**：YOLOv3采用了DarkNet-53作为基础网络，这是一个深度卷积神经网络，用于特征提取。然后，通过一系列的卷积层、池化层和上采样层生成不同尺度的检测结果。 2. **锚框（Anchor Boxes）**：YOLOv3使用...
YOLOv8目标检测源码.rar
05-11
首先，YOLOv8的目标检测框架基于先前的YOLO系列，如YOLOv3和YOLOv4，这些模型因其实时性能和高准确性而广受赞誉。YOLOv8在设计上可能进行了优化，例如采用了更先进的网络结构，如 CSPDarknet 和 SPP-Block，以及更...
YOLOv4目标检测：原理与源码解析
06-21
需要学习Windows系统YOLOv4的同学请前往《Windows版YOLOv4目标检测实战：原理与源码解析》， 课程链接 https://edu.csdn.net/course/detail/29865 【为什么要学习这门课】 Linux创始人Linus Torvalds有一句名言：Talk is cheap. Show me the code. 冗谈不够，放码过来！  代码阅读是从基础到提高的必由之路。尤其对深度学习，许多框架隐藏了神经网络底层的实现，只能在上层调包使用，对其内部原理很难认识清晰，不利于进一步优化和创新。 YOLOv4是最近推出的基于深度学习的端到端实时目标检测方法。 YOLOv4的实现darknet是使用C语言开发的轻型开源深度学习框架，依赖少，可移植性好，可以作为很好的代码阅读案例，让我们深入探究其实现原理。 【课程内容与收获】 本课程将解析YOLOv4的实现原理和源码，具体内容包括： - YOLOv4目标检测原理- 神经网络及darknet的C语言实现，尤其是反向传播的梯度求解和误差计算- 代码阅读工具及方法- 深度学习计算的利器：BLAS和GEMM- GP
yolo v4 的代码-darknet-master-yolo-v4
04-24
yolo v4 的代码-darknet-master-yolo-v4 推荐下载
YOLOv5源码逐行超详细注释与解读（1）——项目目录结构解析
热门推荐
路人贾的博客
03-06 7万+
全网最全YOLOv5项目目录结构超详细分析。逐个文件注释，小白上手必备
基于YOLOv5的目标检测——C++版本（展示瑕疵数量、类别，坐标，置信度）
恐龙先生的博客
04-19 4284
功能：读取文件夹中的所有图片，对图片进行检测后，保存在另一个文件夹中 先上效果图 上面先输出检测图片需要的时间 下面的4代表瑕疵数量，第一列是瑕疵ID，后面是瑕疵类别、坐标、置信度 代码 主函数 char class_names[55] = "./defects.names"; char weights[55] = "./best.torchscript.pt"; //char source[55] = "./A-M255.bmp"; string source = "
【目标检测】基于YOLOv5的目标检测分类（Pytorch）（自定义数据集训练模型）
See_Star的博客
08-31 1万+
项目源码：https://github.com/ultralytics/yolov5 数据集制作：https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data 一、准备环节 计算机环境：Win10 + Python3.7 + cuda9.0 主要依赖： Python>=3.7 Cython matplotlib>=3.2.2 numpy>=1.18.5 opencv-python>=4.1.2 pillow PyYAML&g
基于YOLOv5的目标检测系统详解（附MATLAB GUI版代码）
思绪无限的博客
05-04 2万+
本文重点介绍了基于YOLOv5目标检测系统的MATLAB实现，用于智能检测物体种类并记录和保存结果，对各种物体检测结果可视化，提高目标识别的便捷性和准确性。本文详细阐述了目标检测系统的原理，并给出MATLAB的实现代码、预训练模型，以及GUI界面设计。基于YOLOv5目标检测算法，在界面中可以选择各种图片、文件夹、视频进行检测识别。博文提供了完整的MATLAB代码和使用教程，适合新入门的朋友参考，完整代码资源文件请转至文末的下载链接。
目标检测—基于Yolov5的目标检测项目（学习笔记）
thy0000的博客
04-29 2万+
今天学习了炮哥带你学的yolov5入门教程，并成功的训练出了模型，原博客地址： 目标检测—教你利用yolov5训练自己的目标检测模型 本文主要讲述了在Windows10环境下复现项目的具体过程和遇到的一些问题及解决方法，主要包括以下内容： 代码下载： yolov5的github地址：yolov5 本项目百度网盘地址：yolov5-hat 提取码：pVG2 （来自up主炮哥带你学） 软件准备： 已安装好anaconda、pycharm anaconda安装步骤可以参考此篇博客： Anaconda安装步骤（W
基于YOLOv5的垃圾目标检测
dfs000的博客
08-05 3万+
使用yolov5实现垃圾目标检测（有图形化界面，webapp)。 计算机视觉爱好者，有自己的算力（8块2080Ti），熟练运用pytorch深度学习框架，擅长图像分类、目标检测、图像分割应用。有需要的小伙伴可以加我微信tiankongdecheng1 ...
yolov8网络结构 源码分析
09-02
Yolov8 是一个目标检测算法，它是基于 YOLO (You Only Look Once) 系列算法的最新版本之一。Yolov8 的网络结构可以分为两个主要部分：主干网络和检测头。 1. 主干网络：Yolov8 使用了一个 Darknet-53 的主干网络，它是一个由卷积层和残差块组成的深层网络。Darknet-53 主干网络具有 53 个卷积层，这些层被用于提取图像的特征。这些特征在后续的检测任务中起到重要作用。 2. 检测头：Yolov8 使用了三个不同尺度的检测头，分别用于检测不同大小的目标。每个检测头由一系列卷积层和全连接层组成。每个检测头负责预测一组不同尺寸的边界框，并给出与每个边界框关联的类别概率。 Yolov8 的源代码可以在 Darknet 网站上找到，你可以查看它的实现细节和详细代码。注意，这里提到的是 Yolov8 的基本结构，实际实现中可能会有一些变化和优化。希望这些信息能对你进行 Yolov8 的源码分析提供一些帮助。
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值