要点：

• 归纳

YOLOv5 github

---

1 YOLO  v1

1) 将一幅图像分成SxS个网格(grid cell)，如果某个object的中心 落在这个网格中，则这个网格就负责预测这个object。

2)每个网格要预测B个bounding box，每个bounding box 除了要预测位置之外，还要附带预测一个confidence值。每个网格还要预测C个类别的分数。

 网络结构：

 损失函数

2 YOLO  v2

YOLOv2中的各种尝试：

• pBatch Normalization
• pHigh Resolution Classifier
• pConvolutional With Anchor Boxes
• pDimension Clusters
• pDirect location prediction
• pFine-Grained Features
• pMulti-Scale Training

 

 

3 YOLO  v3

目标边界框的预测

正负样本的匹配

 置信度损失

3.1 YOLOv3 SPP

SPP模块

实现了不同尺度的特征融合实现了不同尺度的特征融合，

注意：这里的SPP和SPPnet中的SPP结构不一样，Spatial Pyramid Pooling

CIoU Loss

解读参考：IoU、GIoU、DIoU、CIoU损失函数的那点事儿

 4 YOLOv4

5 YOLOv5

5.1 模型框架

 

 5.2 网络结构

5.2.1 普通CSP结构

5.2.2 C3结构

5.2.3 SPP

 5.2.4 SPPF

5.3 训练策略

5.3.1 损失计算