Q1u1NG的博客

YOLOV5专栏train.pytest.pydataset.py detect.py utils.py torch_utils.py common.py yolo.py

Yolov5技术总结Backbone：Detection (YOLO) layer：损失函数：Yolov5-1.0、2.0、3.0：Backbone：Focus： 网络第一层进行 pixel un-shuffling而不是stride=2的卷积；该模块的设计主要是减少计算量加快速度；作者原话：https://github.com/ultralytics/yolov5/issues/847Focus() module is designed for FLOPS reduction and speed

YOLOV5 general.py注释与解析暂时只做了build_targets和compute_loss函数的注释，主要是今天正好对yolov5的边框回归方式看了一下；有时间再更新其它函数；build_targets函数中有对yolov5边框回归的详细说明，毕竟现在也没有发paper，只能通过代码自己研究，要是有错误，欢迎指正。def build_targets(p, targets, model): """ Args: p: 网络输出，List[torch.ten

YOLOV5检测代码detect.py注释与解析检测参数以及main函数解析detect函数解析本文主要对ultralytics\yolov5-v2.0版本的测试代码detect.py的解析，现在v5已经更新了-v3.0版本, 但该代码部分基本上不会有很大的改动，故以下注释与解析都是适用的；当然如果有大改动，笔者也会更新注释。检测参数以及main函数解析if __name__ == '__main__': """ weights:训练的权重 source:测试数据，可以是图片/

YOLOV5网络结构github代码地址:ultralytics\yolov5，v5还在开发当中，目前的网络结构如下图，要是网络结构有更新，笔者也会更新结构图。下图括号中四个数字代表：(输入通道、输出通道、卷积核大小、步长)；两个数字代表：(输入通道、输出通道)；一个数字代表：(输出通道)；且上采样是采用nearst插值，两倍上采样；x N表示堆叠此模块N次。yolov5网络结构图至于Focus的部分附上代码帮助理解：def forward(self, x): # x(b,c,w,h)

YOLOV5训练时数据加载模块代码注释与解析本文主要对ultralytics\yolov5在训练时的数据加载模块的dataset.py代码进行注释和解析。当然dataset.py中还有其他时候(例如detect时)所用到的加载方法(例如LoadImages、LoadWebcam等)，本文主要是对训练时用到的LoadImagesAndLabels类的相关注释。import globimport mathimport osimport randomimport shutilimport time

YOLOV5训练代码train.py注释与解析训练参数以及main函数解析train函数解析本文主要对ultralytics\yolov5的训练代码train.py的解析，由于yolov5还在开发当中，平常多多少少都会修复一些bug或者有一些代码和功能的更新，但基本上不会有很大的改动，故以下注释与解析都是适用的；当然如果有大改动，笔者也会更新注释。训练参数以及main函数解析训练的时候可以设置进行超参数进化算法(默认不使用)。值得一提的是，由于现在yolov5还在开发当中，训练文件的–resume还

YOLOV5测试代码test.py注释与解析测试参数以及main函数解析test函数解析本文主要对ultralytics\yolov5的训练代码train.py的解析，由于yolov5还在开发当中，平常多多少少都会修复一些bug或者有一些代码和功能的更新，但基本上不会有很大的改动，故以下注释与解析都是适用的；当然如果有大改动，笔者也会更新注释。测试参数以及main函数解析if __name__ == '__main__': """ opt参数详解 weights:测试的模型权重