ncnn yolov5.cpp切换yolov5n6模型(二)

最新推荐文章于 2024-07-31 11:35:35 发布

原创

最新推荐文章于 2024-07-31 11:35:35 发布 · 653 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #计算机视觉 #人工智能

本文深入解析了目标检测模型中的Anchor概念，它是一组预设的框，用于匹配不同大小和比例的目标。Anchor被放置在特征图的每个点上，帮助检测不同尺寸的目标。在Yolov5n6模型中，不使用strip64参数会导致丢失小目标的检测。因此，正确设定Anchor的大小和比例对于模型的性能至关重要，特别是在训练时要考虑到实际图像和物体的比例。

anchor

网上看了很多篇文章，对新手来说都没有很好理解的，最终找到了这篇很不错：https://blog.youkuaiyun.com/qq_35054151/article/details/113011194
下面是其中以下核心的内容总结：

anchor是什么？

一组预设好不同大小、比例的框。例如三个尺度{128, 256, 512}，三个比例{1:1,1:2,2:1}，总共9个框
在这里插入图片描述

anchor会放在哪？

放在feature map每个点上。假设输入一张图片，经过各种卷积后，得到不同尺寸的特征图，4X4，2X2，1X1，那么就会在这些特征图每个点上放置这些anchor框，然后分别计算所有框里面是否有物体、类别、实际位置等。
在这里插入图片描述

yolov5n6 不要strip 64参数会影响什么

所以前文说的yolov5n6模型里面这些参数，P3/4/5/6实际是不同feature map尺寸的anchor

anchors:
  - [19,27,  44,40,  38,94]  # P3/8
  - [96,68,  86,152,  180,137]  # P4/16
  - [140,301,  303,264,  238,542]  # P5/32
  - [436,615,  739,380,  925,792]  # P6/64