yolov4原理

置顶 已于 2022-10-29 18:19:33 修改
阅读量827 收藏 1
点赞数
CC 4.0 BY-SA版权
分类专栏： 2022-目标检测 yolo 文章标签： 目标检测
于 2022-10-25 21:39:03 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/xd_wjc/article/details/127522408
博客主要围绕目标检测相关的网络结构展开，重点介绍了CSPNet。详细阐述了CSPNet中的CBM和Res - unit，如CBM1负责下采样2倍，其他CBM改变通道数；Res - unit由特定卷积层构成。还提及后续的SPP、PAN和head，以及CSP模块与下采样的关系。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

1 网络结构

1.1 CSPNet

1.1.1 CBM

1.1.2 Res-unit

1 网络结构


参考深入浅出Yolo系列之Yolov3&Yolov4&Yolov5&Yolox核心基础知识完整讲解_江大白*的博客-优快云博客_yolo讲解

1.1 CSPNet

图中CSP1 表示x=1, 即有1个残差组件Resunit

      CSP2表示x=2, 即有2个残差组件Resunit

      CSP2表示x=8, 即有8个残差组件Resunit

我们先看以CSP1为例：

1.1.1 CBM

假设X= 1

把图中5个CBM编个号，

CBM1 =

 

CBM1 是负责下采样2倍的，Conv中的k表示卷积核大小是3x3, s表示滑动步长，s=2表示把特征图的宽高缩小2倍,BN是批量归一化，Mish是激活函数

CBM2=

 CBM2= 卷积层都是1x1的卷积核，并且步长都为1

而CBM3，CBM4，CBM5和CBM2是一样的，k和s都是1，区别就是卷积层的输出通道数可能有变换，所以每个CSP模块，只有最开始的CBM1是负责下采样2倍，其他的CBM都不会改变特征图的大小，只会改变特征图的通道数。

1.1.2 Res-unit

再看一下Res-unit

 把Resunit中的两个CBM编个号，叫CBM_a,  CBM_b

CBM_a =

 

 

 

CBM_b = 

 

 

CBM_a是卷积核 1x1，且步长为1的卷积层

CBM_b是卷积核 3x3，且步长为1的卷积层

如果是Resunit x 2， 也就是2个残差组件，即CSP2对应的

Resunit x 2 = 

类似Resunit x 8 也是一样的，就是8个残差组件

再看后面的SPP和PAN，以及head

先参考一下YOLOv4网络详解_太阳花的小绿豆的博客-优快云博客_yolov4网络结构图

回头自己在重新绘制一下

下图中的5个DownSample就是上面我们说的5个CSP模块

从上到下 分别对应CSP1 CSP2  CSP8  CSP8 CSP4 

每经过一个CSP模块， 就会下采样两倍

YOLOv4原理与代码实例讲解
AI天才研究院
07-22 732
YOLOv4原理与代码实例讲解 作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming 1. 背景介绍 1.1 问题的由来 随着计算机视觉技术的不断发展，目标检测作为其中重要
【AI】YOLOv4原理详解
郭老二
05-10 607
YOLOv4框架，简单的说YOLOv4 = CSPDarknet53+SPP+PAN+YOLOv3YOLOv4的网络架构可以分为三个主要部分：特征提取器（backbone）、特征融合（neck）和检测头（head）：特征提取器（backbone）：YOLOv4的特征提取器使用了CSPDarknet53网络架构，它是Darknet53网络的改进版本，并利用了通道和空间分离（Channel and Spatial Separation）技术来加速特征提取和降低内存消耗。
目标检测算法YOLOv4详解
浩瀚之水的专栏
03-08 1万+
YOLOv4是精度速度最优平衡, 各种调优手段是真香，本文主要从以下几个方面进行阐述： YOLOv4介绍 YOLOv4框架原理 BackBone训练策略 BackBone推理策略 检测头训练策略 检测头推理策略 1.YOLOv4介绍 YOLOV4其实是一个结合了大量前人研究技术，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。可以说有许多技巧可以提高卷积神经网络(CNN)的准确性，但是某些技巧仅适合在某些模型上运行，或者仅在某些问题上运行，或者仅在小型数据集上运行；我们来码一码这篇文
YOLO v4结构原理解析
Just_do_myself的博客
07-04 1760
导读 YOLO v1开启了One-Stage目标检测的大门，检测速度直接甩开Two-Stage几条街，虽然精度与Two-Stage尚有差距，但随着YOLO持续不断地更新换代，通过设计性能更加出色的Backbone以及各种Tricks，现在YOLO系列的检测精度已经不输Two-Stage，并且依然保持着超快的检测速度，被业界广泛使用。目前YOLO已经更新到了第五代，但我觉得YOLO v4这篇文章是最适合大家去认真读的，因为它相当于一部目标检测的综述文章，看完之后会对现在目标检测有一个大致的框架。在计算机视觉的
Windows版YOLOv4目标检测：原理与源码解析
06-29
需要学习ubuntu系统上YOLOv4的同学请前往：《YOLOv4目标检测实战：原理与源码解析》 【为什么要学习这门课】 Linux创始人Linus Torvalds有一句名言：Talk is cheap. Show me the code. 冗谈不够，放码过来！ 代码阅读是从基础到提高的必由之路。尤其对深度学习，许多框架隐藏了神经网络底层的实现，只能在上层调包使用，对其内部原理很难认识清晰，不利于进一步优化和创新。YOLOv4是最近推出的基于深度学习的端到端实时目标检测方法。YOLOv4的实现darknet是使用C语言开发的轻型开源深度学习框架，依赖少，可移植性好，可以作为很好的代码阅读案例，让我们深入探究其实现原理。【课程内容与收获】 本课程将解析YOLOv4的实现原理和源码，具体内容包括：- YOLOv4目标检测原理- 神经网络及darknet的C语言实现，尤其是反向传播的梯度求解和误差计算- 代码阅读工具及方法- 深度学习计算的利器：BLAS和GEMM- GPU的CUDA编程方法及在darknet的应用- YOLOv4的程序流程- YOLOv4各层及关键技术的源码解析本课程将提供注释后的darknet的源码程序文件。【相关课程】 除本课程《Windows版YOLOv4目标检测：原理与源码解析》外，本人推出了有关YOLOv4目标检测的系列课程，包括：《Windows版YOLOv4目标检测实战：训练自己的数据集》《Windows版YOLOv4-Tiny目标检测实战：训练自己的数据集》《Windows版YOLOv4目标检测实战：人脸口罩佩戴检测》《Windows版YOLOv4目标检测实战：中国交通标志识别》建议先学习一门YOLOv4实战课程，对YOLOv4的使用方法了解以后再学习本课程。【YOLOv4网络模型架构图】 下图由白勇老师绘制  
yolov3原理记录
xd_wjc的博客
09-21 975
1 网络结构2 后处理3 损失函数。
YOLOV5-网络结构和组件（部分代码解析）
daweq的博客
11-21 3012
3之后变为输出的通道数，这样参数量会大量减少这里的shortcut即为图中的红色虚线，在实际中，shortcut（捷径）不一定是上面都不操作，也有可能有卷积处理，但此时，另一只一般是多个ReNet模块串联而成。这里值得注意的是，这两个CBL层的卷积核的大小是不一样的，先经过1x1可以减少参数量，再通过3x3恢复原本大小。这里其实是有点问题的，在Yolov5s6.0版本中，这里的激活函数采用的是SiLu, 实际上就是swish函数，而实际上使用的是swish函数的改进版本Hardswish。
01.15_YOLOv3基本原理.pdf
05-25
通过这些知识点，我们可以深入理解YOLOv3的基本原理，包括它的网络结构、训练过程、损失函数设计以及与其它目标检测算法的性能对比。这些知识点对于希望在计算机视觉领域进行目标检测开发的IT专业人员来说，是至关...
【深度学习】基于回归的YOLO算法网络结构详解
风清07的博客
11-24 2531
第一问：YOLOv4算法的网络整体架构 图片来源：https://zhuanlan.zhihu.com/p/172121380 如图所示，YOLOv4的网络架构整体分为三部分：BackBone（主干网络）、Neck、Prediction（预测）。 其中主干网络包括CBM和CSP结构。CBM由Conv+BN+Mish组成。CSP又由多个CBM以及残差组件res unit组成。 Neck包括CBL、SPP、上采样、Concat结构。CBL由Conv+BN+Leaky relu组成。而SPP又由多个池化层ma
吊打一切的YOLOv4的tricks汇总！附参考论文下载
zero的博客
07-14 1276
点击上方“AI算法与图像处理”，选择加"星标"或“置顶”重磅干货，第一时间送达即使是目标检测在过去几年开始成熟，竞争仍然很激烈。如下所示，YOLOv4声称拥有最先进的精度...
Yolov3&Yolov4核心基础知识完整讲解
深度学习技术前沿
06-03 5487
关注上方“深度学习技术前沿”，选择“星标公众号”，技术干货，第一时间送达！作者：江大白知乎链接：https://zhuanlan.zhihu.com/p/143747206本文仅供学习参...
YOLO_v4讲解
weixin_43702653的博客
04-19 1万+
YOLO_v4最全讲解
YOLOv4目标检测-Backbone
传统图像处理，深度学习，目标检测（分类，检测，分割），多目标追踪，部署等
02-12 3603
YOLOv4源码详解笔记---Backbone---CSPDarknet53
目标检测之Yolov4
AndyJ的学习之旅
07-26 1万+
从2018年Yolov3年提出的两年后，在原作者声名放弃更新Yolo算法后，俄罗斯的Alexey大神扛起了Yolov4的大旗。（2020年提出） Yolov4: Optimal Speed and Accuracy of Object Detection 参考链接 YOLOV 3 回顾 Yolov3是2018年发明提出的，这成为了目标检测one-stage中非常经典的算法，包含Darknet-53网络结构、anchor锚框、FPN等非常优秀的结构。 网络结构可视化 基本组件 上图三个蓝色方框内表示Yolo
yolov4项目记录3-模型构建
Swayzzu的博客
12-29 1537
yolov4训练模型的构建，包含backbone, neck, head以及解码部分。并附带代码实现。
ResNet: 深度残差网络---Deep Residual Learning for Image Recongnition
冷月无声的博客
03-16 3067
深度残差网络在2015年的ImageNet 图像分类/检测/定位和COCO detection/segmentation的ILSVRC & COCO竞赛中取得了冠军。而这篇《Deep Residual Learning for Image Recongnition》也被评为CVPR2016的BEST PAPER. 论文链接 https://arxiv.org/pdf/1512.0...
DL 模型组件之残差模块
晓野豬
10-09 6370
文章目录常规残差模块Bottleneck（瓶颈残差模块）参考 阅读 ResNet 的论文Deep Residual Learning for Image Recognition，整理 ResNet 的结构。ResNet 在 PyTorch 的官方代码中共有 5 种不同深度的结构（各种网络的深度指的是“需要通过训练更新参数”的层数），深度分别为 18、34、50、101、152。ResNet 的关键模块主要是残差模块，如下图所示。 常规残差模块 ResNet 声名鹊起的一个重要原因是它提出了残差学习的思想
ResNet(残差网络)之残差模块
热门推荐
tigerlib的博客
11-10 4万+
2015年何凯明提出的152层ResNet，获得了ILSVRC比赛图像识别的冠军（top1误差3.6%），同时也使得卷积神经网络有了真正的“深度”。随着网络深度的增加，训练变得愈加困难，这主要是因为在基于随机梯度下降的网络训练过程中，误差信号的多层反向传播非常容易引发“梯度弥散”（梯度过小会使回传的训练误差信号极其微弱）或者“梯度爆炸”（梯度过大导致模型出现NaN）的现象。目前一些特殊的权重初始...
YOLOv4网络结构解析
weixin_43915511的博客
08-28 3069
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
yolov5s原理
最新发布
06-11
<think>我们被要求回答关于YOLOv5s模型的工作原理和架构的问题。根据提供的引用内容，我们可以整理出以下信息：1.YOLOv5s的网络架构由yolov5s.yaml文件定义，其中包含两个重要的缩放因子：depth_multiple（深度因子）和width_multiple（宽度因子）。-对于yolov5s，depth_multiple=0.33，width_multiple=0.50。-这些因子用于调整模型的深度（层数）和宽度（通道数），以实现模型大小的缩放。2.YOLOv5在v5.0版本中使用nn.SiLU()激活函数替换了之前版本中的nn.LeakyReLU(0.1)和nn.Hardswish()。这样做的目的是简化架构，统一使用一种激活函数。3.在导出模型到ONNX格式时，需要使用shape_inference来推断张量形状，并保存以得到包含BN（BatchNormalization）层的ONNX模型。我们将结合这些引用信息以及我们对YOLO模型的一般知识来回答用户的问题。YOLOv5s是YOLOv5系列中最小的模型，适用于资源受限的场景。它基于单阶段目标检测框架，将目标检测视为一个回归问题，直接从图像中预测边界框和类别概率。###YOLOv5s模型架构详解YOLOv5s的架构可以分为四个主要部分：1.**输入处理**：图像输入尺寸默认为640x640，在训练时使用了Mosaic数据增强、自适应锚框计算等策略。2.**Backbone（主干网络）**：用于提取图像特征。YOLOv5s使用CSPDarknet53（CrossStagePartialDarknet53）作为主干网络，但是与YOLOv4不同，它采用了Focus结构和C3模块。3.**Neck（特征融合网络）**：用于融合不同尺度的特征。YOLOv5s使用PANet（PathAggregationNetwork）结构，结合FPN（FeaturePyramidNetwork）进行多尺度特征融合。4.**Head（检测头）**：生成预测结果。YOLOv5s使用三个不同尺度的检测头（分别对应大、中、小目标）进行预测。####Backbone部分详解-**Focus结构**：该结构首先将输入图像进行切片操作（将相邻像素分成不同的通道），从而在不损失信息的情况下将空间信息转移到通道维度，然后进行卷积操作。例如，输入为3x640x640的图像，经过切片操作后变成12x320x320（因为每个2x2的相邻区域被分成4个位置，所以通道数变为3*4=12），再通过卷积层减少通道数。-**C3模块**：C3模块是CSP结构的一种改进，它由多个Bottleneck模块组成，并且采用了跨阶段部分连接，减少计算量的同时保持性能。每个C3模块包含多个Bottleneck模块，其数量由depth_multiple控制。####Neck部分详解YOLOv5s的Neck部分采用FPN+PAN的结构。FPN自顶向下传递语义信息，PAN自底向上传递位置信息，两者结合可以更好地融合不同尺度的特征。####Head部分详解YOLOv5s有三个检测头，分别对应80x80、40x40和20x20的特征图（相对于输入640x640，下采样8倍、16倍、32倍）。每个检测头会预测边界框（包含中心坐标、宽高和置信度）以及类别概率。####缩放因子-**depth_multiple（深度因子）**：用于控制Bottleneck模块的重复次数。例如，yolov5s.yaml中某个模块的重复次数n=3，那么实际重复次数为n*depth_multiple=3*0.33≈1，即重复1次。-**width_multiple（宽度因子）**：用于控制卷积层的输出通道数。例如，某个卷积层的输出通道数为c，则实际输出通道数为c*width_multiple。###YOLOv5s的工作原理1.**输入图像**：输入图像被调整为640x640大小。2.**特征提取**：图像经过Backbone（包括Focus、卷积层、C3模块等）提取不同尺度的特征图。3.**特征融合**：在Neck部分，通过FPN和PAN结构对特征进行多尺度融合。4.**预测输出**：三个检测头分别在不同尺度的特征图上进行预测，每个预测包含边界框（4个坐标值）、置信度（1个值）和类别概率（80类，以COCO数据集为例）。5.**损失函数**：YOLOv5使用GIoU损失（边界框回归）、二值交叉熵（置信度和类别）作为损失函数。###激活函数在YOLOv5-v5.0及之后的版本中，激活函数统一使用SiLU（Sigmoid-weightedLinearUnit），即$f(x)=x\cdot\sigma(\betax)$，其中$\beta$通常为1，所以就是$x\cdot\text{sigmoid}(x)$。这种激活函数在计算效率和性能上都有优势。###模型导出在导出模型到ONNX格式时，需要处理BatchNormalization层。引用[3]中提到，为了得到包含BN层的ONNX模型，可以使用ONNX的shape_inference工具进行形状推断。###总结YOLOv5s是一种轻量级的目标检测模型，它通过深度因子和宽度因子控制模型的大小，同时采用CSPDarknet53作为主干，FPN+PAN作为特征融合网络，以及三个检测头进行多尺度预测。其激活函数使用SiLU，训练时采用多种数据增强技术。§§相关问题§§1.YOLOv5s与其他版本（如m,l,x）有何区别？2.为什么YOLOv5使用SiLU激活函数？它有什么优点？3.YOLOv5s在训练时使用了哪些数据增强技术？4.YOLOv5s的输出解码过程是怎样的？</think> ### YOLOv5s模型原理及架构详解 #### 🧠 核心原理 YOLOv5s基于单阶段目标检测框架，核心思想是**单次前向传播即可实现目标定位与分类**。它将输入图像划分为网格（如$20\times 20$、$40\times 40$、$80\times 80$），每个网格单元直接预测边界框（box）、置信度（confidence）和类别概率，实现端到端检测[^1]。 #### 📐 架构组成 YOLOv5s由三部分组成（以640×640输入为例）： ```mermaid graph TD A[Input 640x640x3] --> B[Backbone] B --> C[Neck] C --> D[Head] ``` 1. **Backbone（主干网络）** - **Focus层**：切片操作将通道数×4（3→12通道），提升特征密度 - **CSPNet结构**：跨阶段局部网络，减少计算量 - 基础模块：$1\times1$卷积 + **SiLU激活函数**（v5.0起统一使用[^2]） - 深度控制：`depth_multiple=0.33`（层数缩放因子） - **SPPF层**：空间金字塔池化，融合多尺度特征 2. **Neck（特征融合）** - **FPN+PAN结构**： - FPN自上而下传递语义信息 - PAN自下而上传递位置信息 - 通道控制：`width_multiple=0.5`（通道数缩放因子） 3. **Head（检测头）** - **三尺度输出**： - P3/8 (80×80)：检测小目标 - P4/16 (40×40)：检测中目标 - P5/32 (20×20)：检测大目标 - 每个输出层预测：$\text{box}(x,y,w,h) + \text{confidence} + \text{class\_probs}$ #### ⚙️ 关键参数配置（yolov5s.yaml） | 参数 | 值 | 作用 | |------|----|------| | `depth_multiple` | 0.33 | 控制C3模块重复次数 | | `width_multiple` | 0.50 | 控制卷积通道数 | | 激活函数 | SiLU | $x \cdot \text{sigmoid}(x)$[^2] | #### 🔬 工作原理示例 1. **输入处理**：640×640图像切片后→320×320×12 2. **特征提取**：经过4级C3模块（深度压缩至原计划的33%） 3. **多尺度融合**：FPN+PAN融合80/40/20分辨率特征 4. **预测解码**： - 边界框计算：$b_x = \sigma(t_x) + c_x$ - 置信度计算：$\text{conf} = \sigma(t_o)$ #### ⚡️ 性能优化特性 - **轻量化设计**：通道数压缩50%（vs YOLOv5l） - **激活函数统一**：SiLU替代LeakyReLU+Hardswish组合，简化计算[^2] - **ONNX导出**：通过shape_inference保留BN层结构[^3] 模型完整计算流程： $$\text{Input} \xrightarrow{\text{Focus}} \text{CSPNet} \xrightarrow{\text{FPN+PAN}} \text{3-scale Head} \rightarrow \text{Output}$$ #### 🏁 总结 YOLOv5s通过深度/宽度压缩实现轻量化，结合多尺度特征融合与网格化预测，在保持精度的同时显著降低计算量。其架构设计平衡了速度与精度，适用于移动端和边缘设备部署。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值