yolov系列

学习一个深度学习网络，就看三点，1. 网络架构 2.输入输出 3.损失函数

yolov1

2015年诞生的YOLOv1创造性地使用端到端结构完成了物体检测任务，把检测问题转换成了回归问题，直接预测物体的类别和位置。

每个grid有30维，这30维中，8维是回归box的坐标，2维是box的confidence。x,y 代表中心点,; w,h代表宽高； c代表置信度，公式：

如果有object落在一个grid cell里，则第一项取1，否则取0。 第二项是预测的bounding box和实际的groundtruth之间的IoU值。

yolov2

yolov3

1. 利用3种scale特征进行目标检测，通常一幅图像包含各种不同的物体，并且有大有小。比较理想的是一次就可以将所有大小的物体同时检测出来。因此，网络必须具备能够“看到”不同大小的物体的能力。因为网络越深，特征图就会越小，所以网络越深小的物体也就越难检测出来。浅层的feature map中主要包含低级的信息（物体边缘，颜色，初级位置信息等），深层的feature map中包含高等信息（例如物体的语义信息：狗，猫，汽车等等）。因此在不同级别的feature map对应不同的scale，所以我们可以在不同级别的特征图中进行目标检测。

(a) 这种方法首先建立图像金字塔，不同尺度的金字塔图像被输入到对应的网络当中，用于不同scale物体的检测。但这样做的结果就是每个级别的金字塔都需要进行一次处理，速度很慢，在SPPNet使用的就是这种方式。

(b) 检测只在最后一层feature map阶段进行，这个结构无法检测不同大小的物体

(c) 对不同深度的feature map分别进行目标检测。SSD中采用的便是这样的结构。这样小的物体会在浅层的feature map中被检测出来，而大的物体会在深层的feature map被检测出来，从而达到对应不同scale的物体的目的，缺点是每一个feature map获得的信息仅来源于之前的层，之后的层的特征信息无法获取并加以利用。

(d) 与(c)很接近，但不同的是，当前层的feature map会对未来层的feature map进行上采样，并加以利用。因为有了这样一个结构，当前的feature map就可以获得“未来”层的信息，这样的话低阶特征与高阶特征就有机融合起来了，提升检测精度。在YOLOv3中，就是采用这种方式来实现目标多尺度的变换的。

2. 采用了Darknet-53的网络结构（含有53个卷积层），它借鉴了残差网络ResNet的做法，在层之间设置了shortcut，来解决深层网络梯度的问题，shortcut如下图所示：包含两个卷积层和一个shortcut connections。

3. 先验框选取

4. 物体检测任务可能一个物体可能有多个标签 ，使用1x1的卷积层+logistic激活函数的结构。

网络结构：

yolov4

把当年很多论文优秀的点吸收，加以组合并进行适当创新的算法，实现了速度和精度的完美平衡，并且有充足的消融实验，是一个值得读的论文。

手段有：

1. 跨阶段部分连接(CSPNet)，CSPNet解决了其他大型卷积神经网络框架Backbone中网络优化的梯度信息重复问题，将梯度的变化从头到尾地集成到特征图中，可以有效缓解梯度消失问题，并且减少了模型的参数量和FLOPS数值，既保证了推理速度和准确率，又减小了模型尺寸。

2. v4引入SAM(位置注意力)--->不懂可以看CBAM模块

3. PAN结构（采用了双向传递特征模式利用捷径，如下图）， YOLOv4使用PANet(Path Aggregation Network)代替FPN进行参数聚合以适用于不同level的目标检测, PANet论文中融合的时候使用的方法是Addition，YOLOv4算法将融合的方法由加法改为Concatenation。

4. SPP（Spatial Pyramid Pooling Networks）结构------特征金字塔，为了满足于不同输入大小，第一：增大感受野；第二：用最大池化满足最终输入特征一致。

5. 数据增强，传统的图像变换；CutMix方法；Mosaic数据增强

6. DropBlock正则化（为了克服Dropout随机丢弃特征[并没有增加太大的游戏难度]的主要缺点），DropBlock技术在称为块的相邻相关区域中丢弃特征。这样既可以实现生成更简单模型的目的，又可以在每次训练迭代中引入学习部分网络权值的概念，对权值矩阵进行补偿，从而减少过拟合。

7. 标签平滑

8. 使用CIOU（损失函数）的预测框回归

9. 激活函数（mish激活函数）

网络结构

yolov5

v5不像1234对应的论文，v5相当于对v4做了更好实现，v5更像偏工程的算法，使其速度与精度都得到了极大的性能提升。

主要的改进思路如下所示：

• 输入端：在模型训练阶段，提出了一些改进思路，主要包括Mosaic数据增强、自适应锚框计算、自适应图片缩放；
• 基准网络：融合其它检测算法中的一些新思路，主要包括：Focus结构与CSP结构；
• Neck网络：目标检测网络在BackBone与最后的Head输出层之间往往会插入一些层，Yolov5中添加了FPN+PAN结构；
• Head输出层：输出层的锚框机制与YOLOv4相同，主要改进的是训练时的损失函数GIOU_Loss，以及预测框筛选的DIOU_nms。

YOLOv5算法具有4个版本，具体包括：YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x四种。

源码：https://gitcode.net/mirrors/ultralytics/yolov5

1. 标注数据： Make Sense(也可以使用labelme标注)

2. 训练 train.py

1） 在data建文件：wangzhe.yaml

train: datasets/wangzhe/images/train

val: datasets/wangzhe/images/train

nc: 8

names: ['hero', 'soldier', 'Buff', 'grass', 'wild_monster', 'dragon', 'tower', 'crystal']

2） 下载模型（下载已经训练好的迁移模型，训练速度快） yolov5m.pt

3）标记好的数据集，放在yolov5的datasets目录

4）修改解析参数

5）其它参数，根据情况修改

os.environ["CUDA_VISIBLE_DEVICES"] = "-1" 使用cpu

workers ：训练进程数量 设置0

batch-size ： 16大小大概需要4g内存 8或者4

hyp: 超参数

epochs：训练次数

resume: 是否继续按照模型训练 default="路径/last.pt"

linear-lr： 学习率

6) 训练完成，生成下面目录， best.pt就是生成的模型

3. 预测 detect.py

weights ： 模型

source ： 训练目录 //视频 图像路径

img-size: 对图片成比例的放大或者缩小的尺寸

conf-thres： 置信度的阈值

iou-thres: iou置信度 ， 一个目标检测出很多区域，取的区域的值 iou= 交集/并集 避免重复

view-img: 命令行指定/true实时看

classes: 指定显示哪个类别

4. 效果

5. 其它介绍

1）datasets.py 数据增强； 数据、标签读取

2）export.py 将pt文件转成ONX文件，可视化展示模型（Netron）

3) 配置文件yolov5s.yaml介绍

网络结构

yolov6

YOLOv6 是美团视觉智能部研发的一款目标检测框架，致力于工业应用。在部署方面，YOLOv6 支持 GPU（TensorRT）、CPU（OPENVINO）、ARM（MNN、TNN、NCNN）等不同平台的部署，极大地简化工程部署时的适配工作。主要在 Backbone、Neck、Head 以及训练策略等方面进行了诸多的改进：

• 统一设计了更高效的 Backbone 和 Neck ：受到硬件感知神经网络设计思想的启发，基于 RepVGG style设计了可重参数化、更高效的骨干网络 EfficientRep Backbone 和 Rep-PAN Neck。

1. RepVGG Style结构（替换YOLOV5的CSP-Backbone）：通过融合成的 3x3 卷积结构，可以有效利用计算密集型硬件计算能力（比如 GPU），同时也可获得 GPU/CPU 上已经高度优化的 NVIDIA cuDNN 和 Intel MKL 编译框架的帮助。

2. Rep-PAN 结构（替换YOLOv5 中使用的 CSP-Block）：在 Neck 设计方面，为了让其在硬件上推理更加高效，以达到更好的精度与速度的平衡。

• 优化设计了更简洁有效的 Efficient Decoupled Head，在维持精度的同时，进一步降低了一般解耦头带来的额外延时开销。

Decoupled Head（YOLOv5 的检测头是通过分类和回归分支融合共享的方式来实现的）：维持精度的同时降低了延时，缓解了解耦头中带来的额外延时开销。

• 在训练策略上，我们采用Anchor-free 无锚范式，同时辅以 SimOTA标签分配策略以及 SIoU边界框回归损失(分类损失和边界框回归损失)来进一步提高检测精度。

yolov7

1. RepVGG Style结构上加速，将1*1的卷积和3*3的卷积合并 ， Conv+BN 合并

2. 正样本分配策略：

1）初筛

2）IOU筛选（选了10个候选框，而且需要副筛，即做多10个）

3）计算类别预测损失

3. AUX（辅助头）辅助输出

4. v7版本源码就是把v5拿过来改吧改吧

yolov8

其核心特性和改动可以归结为如下：

• Backbone：使用的依旧是CSP的思想，不过YOLOv5中的C3模块被替换成了C2f模块，实现了进一步的轻量化，同时YOLOv8依旧使用了YOLOv5等架构中使用的SPPF模块；

• PAN-FPN：YOLOv8依旧使用了PAN的思想，不过通过对比YOLOv5与YOLOv8的结构图可以看到，YOLOv8将YOLOv5中PAN-FPN上采样阶段中的CBS 1*1的卷积结构删除了，同时也将C3模块替换为了C2f模块；
• Decoupled-Head：YOLOv8使用了Decoupled-Head；
• Anchor-Free：YOLOv8抛弃了以往的Anchor-Base，使用了Anchor-Free的思想；
• 损失函数：YOLOv8使用VFL Loss作为分类损失，使用DFL Loss+CIOU Loss作为分类损失

• 样本匹配：YOLOv8抛弃了以往的IOU匹配或者单边比例的分配方式，而是使用了Task-Aligned Assigner匹配方式。

网络结构：

总结：