目标检测
YOLOv3
数据处理
- 可输入任意大小的图片（特征图大小最好是32倍数）
- Anchor：K-Means聚类+IOU+NMS
模型结构
- Backbone
- Darknet53
- 无最大池化，步长2卷积层进行下采样
- 每个Conv后 + BN + LeakyReLU
- 引入残差结构
- 中间层和某一层上采样拼接
- 模块
- CBL = Conv + BN + LeakyReLU
- ResUnit = CBL + 残差
- ResX = CBL + N个ResUnit
- Head
- Conf置信度：Logistic分类器（逻辑回归预测每个框的置信度分数）
- Cls分类：BCELoss
- Bbox目标框：MSELoss
YOLOv5
数据处理
- 马赛克增强
- Anchor-Based，K-means计算锚框（自适应锚框）
模型结构
- Backbone
- 输入进行特征提取
- CSPDarkNet53或ResNet网络
- 模块
- CBS = Conv2d + BN + SILU
- C3 = Conv + ResNet + Add + Concat
- SPPF = Conv + Maxpool + Concat
- Neck
- FPN特征金字塔：上采样+下采样+横向连接，多尺度特征融合
- 自顶向下：上采样融合不同层次特征融合
- 自底向上：卷积层融合不同层次特征图
- Head
- Conf置信度：BCELoss
- Cls分类：BCELoss
- Bbox目标框：CIOU
迭代
YOLOv8
数据处理
- Mosaic增强
- CutMix、Mixup增强
- Anchor-Free无锚框
模型结构
- Backbone
- Neck
- PANet，一个双向通路网络，引入了自下向上的路径
- Head
- Cls分类：BCELoss
- Bbox目标框：CIOU + DFL（Distribution Focal Loss）
迭代
- 500
- 最后10轮，Mosaic增强替换为推理式的Letter box
