zjl892209143的博客

YOLO V5 1.对于V4的改进 1.YOLOv5在YOLOv4算法的基础上做了进一步的改进，检测性能得到进一步的提升 1.自适应锚框计算。 2.仍然采用Mosaic数据增强。 1.1在Yolo算法中，针对不同的数据集，都会有初始设定长宽的锚框。在网络训练中，网络在初始锚框的基础上输出预测框，进而和真实框groundtruth进行比对，计算两者差距，再反向更新，迭代网络参数。 Yolov5中将此功能嵌入到代码中，每次训练时，自适应的计算不同训练集中的最佳锚框值。 当然，如果觉得计算的锚框效果不是很好，也

YOLO V4详细解读 对于V3的改进之处 1、主干特征提取网络：DarkNet53 => CSPDarkNet53 2、特征金字塔：SPP，PAN 3、分类回归层：YOLOv3（未改变） 4、训练用到的小技巧：Mosaic数据增强、Label Smoothing平滑、CIOU、学习率余弦退火衰减 5、激活函数：使用Mish激活函数 1、darknet的改进之处 1.1、在激活函数上采用Mish激活函数 采用了新的激活函数：其一是将DarknetConv2D的激活函数由LeakyReLU修改成了Mi