封面

---

简介：
  本类博客用于记录目标检测方法yolo的学习，本篇博客介绍了yolov1，yolov2的原理，和yolo源码的下载和使用

---

参考资料：

【百万播放】零基础、快速学YOLO目标检测算法！完整学习路线一条龙，无脑通关！【YOLOv5|YOLO算法|目标检测算法】_哔哩哔哩_bilibili

  Yolo属于one-stage的目标检测，优点是速度快，实时检测，缺点是牺牲效果

一、Yolo原理

1.评估指标

1.1 MAP

  查准率：预测对的正样本占所有预测为正样本的比值
  召回率：预测对的正样本占所有正样本的比值
  AP：将该类别预测样本按置信度排序，分别计算查准率和召回率，绘制查准率关于召回率的图像，计算面积
  MAP：将每个类的AP平均
  MAP@0.5:9.5：使用不同的IOU并平均

1.2 IOU

  真实值和预测值并集比上交集 ，越接近1效果越好

1.3 前传耗时

  从输入一张图像到输出结果所耗时间

1.4 FPS

  每秒能处理的图像数量

2. YoloV1

1. 填充图片并缩放至448*448
2. 获取每张图片的labels（包括每个目标的x,y,w,h,p）
3. 设置网络结构
   
   其中最后的输出结果为7 * 7 * 30的向量，其含义为将网络分成7*7个格子，每个格子包含两个候选框的信息（x,y,w,h,p)和20个类别的预测概率，共计30个元素
4. 计算损失函数
   

3. YoloV2

改进

1. 增加了448*448的图片的训练
2. 删除了全连接层
3. 根据聚类选择先验框
4. x,y,w,h改为相对于先验框的偏移量
5. 特征融合，利于检测小目标

二. Yolo源码

1.源码下载和配置环境

  进入ultralytics/yolov5 at v5.0 (github.com)下载源码，然后使用pip install -r yourpath/requirements.txt下载所需库（可以把requirements中关于toch，tochvision的部分删了自己下载，按照requirements中安装的torch是cpu版本的）

2.源码使用

  更改参数为你对应的

2.1 detect.py

def parse_opt():  
    parser = argparse.ArgumentParser()
    #指定训练模型  defult选择训练模型
    parser.add_argument('--weights', nargs='+', type=str, default=ROOT / 'yolov5s.pt', help='model path(s)')
    #指定预测对象来源 default可选为：
    #file.jpg
    #file.mp4
    #path/
    #path/*/jpg 	#检测所有jpg文件
    #YouTube video地址  
    parser.add_argument('--source', type=str, default=ROOT / 'data/images', help='file/dir/URL/glob, 0 for webcam')
      
    parser.add_argument('--data', type=str, default=ROOT / 'data/coco128.yaml', help='(optional) dataset.yaml path')
    #图片尺寸  
    parser.add_argument('--imgsz', '--img', '--img-size', nargs='+', type=int, default=[640], help='inference size h,w')
    #置信度阈值  
    parser.add_argument('--conf-thres', type=float, default=0.25, help='confidence threshold')  
    #交集阈值，大于该值就判定为同一目标，合并框
    parser.add_argument('--iou-thres', type=float, default=0.45, help='NMS IoU threshold')  
    parser.add_argument('--max-det', type=int, default=1000, help='maximum detections per image')  
    #设备
    parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')  
    #是否展示结果
    parser.add_argument('--view-img', action='store_true', help='show results')
    #保存一些结果  
    parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')  
    parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels')  
    parser.add_argument('--save-crop', action='store_true', help='save cropped prediction boxes')  
    parser.add_argument('--nosave', action='store_true', help='do not save images/videos')
    #指定检测某些类别  
    parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --classes 0, or --classes 0 2 3')
    #增强  
    parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS')  
    parser.add_argument('--augment', action='store_true', help='augmented inference')  
    parser.add_argument('--visualize', action='store_true', help='visualize features')  
    #屏蔽不需要的优化器
    parser.add_argument('--update', action='store_true', help='update all models')  
    #保存地址
    parser.add_argument('--project', default=ROOT / 'runs/detect', help='save results to project/name')  
    parser.add_argument('--name', default='exp', help='save results to project/name')  
    #是否创建新文件夹保存结果
    parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')  
    parser.add_argument('--line-thickness', default=3, type=int, help='bounding box thickness (pixels)')  
    parser.add_argument('--hide-labels', default=False, action='store_true', help='hide labels')  
    parser.add_argument('--hide-conf', default=False, action='store_true', help='hide confidences')  
    parser.add_argument('--half', action='store_true', help='use FP16 half-precision inference')  
    parser.add_argument('--dnn', action='store_true', help='use OpenCV DNN for ONNX inference')  
    opt = parser.parse_args()  
    opt.imgsz *= 2 if len(opt.imgsz) == 1 else 1  # expand  
    print_args(vars(opt))  
    return opt

2.2 train.py

def parse_opt(known=False):  
    parser = argparse.ArgumentParser()
    #指定初始化参数，可不填  
    parser.add_argument('--weights', type=str, default=ROOT / 'yolov5s.pt', help='initial weights path')
    #指定网络的结构  
    parser.add_argument('--cfg', type=str, default='', help='model.yaml path')
    #指定数据集  
    parser.add_argument('--data', type=str, default=ROOT / 'data/coco128.yaml', help='dataset.yaml path')
    #超参数  
    parser.add_argument('--hyp', type=str, default=ROOT / 'data/hyps/hyp.scratch-low.yaml', help='hyperparameters path')
    #训练轮数  
    parser.add_argument('--epochs', type=int, default=300)  
    #打包数据集的大小
    parser.add_argument('--batch-size', type=int, default=16, help='total batch size for all GPUs, -1 for autobatch')
    #图片大小  
    parser.add_argument('--imgsz', '--img', '--img-size', type=int, default=640, help='train, val image size (pixels)')
    #矩阵填充  
    parser.add_argument('--rect', action='store_true', help='rectangular training')  
    #是否在已训练的模型上继续训练
    parser.add_argument('--resume', nargs='?', const=True, default=False, help='resume most recent training')
    #是否只保存最后的模型  
    parser.add_argument('--nosave', action='store_true', help='only save final checkpoint')  
    parser.add_argument('--noval', action='store_true', help='only validate final epoch')
    #锚点 锚框  
    parser.add_argument('--noautoanchor', action='store_true', help='disable AutoAnchor')  
    parser.add_argument('--noplots', action='store_true', help='save no plot files')  
    parser.add_argument('--evolve', type=int, nargs='?', const=300, help='evolve hyperparameters for x generations')  
    parser.add_argument('--bucket', type=str, default='', help='gsutil bucket')  
    parser.add_argument('--cache', type=str, nargs='?', const='ram', help='--cache images in "ram" (default) or "disk"')  
    parser.add_argument('--image-weights', action='store_true', help='use weighted image selection for training')  
    parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu') 
    #图片尺寸变换
    parser.add_argument('--multi-scale', action='store_true', help='vary img-size +/- 50%%')  
    parser.add_argument('--single-cls', action='store_true', help='train multi-class data as single-class')  
    parser.add_argument('--optimizer', type=str, choices=['SGD', 'Adam', 'AdamW'], default='SGD', help='optimizer')  
    parser.add_argument('--sync-bn', action='store_true', help='use SyncBatchNorm, only available in DDP mode') 
    #线程数 
    parser.add_argument('--workers', type=int, default=8, help='max dataloader workers (per RANK in DDP mode)')  
    parser.add_argument('--project', default=ROOT / 'runs/train', help='save to project/name')  
    parser.add_argument('--name', default='exp', help='save to project/name')  
    parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')  
    parser.add_argument('--quad', action='store_true', help='quad dataloader')  
    parser.add_argument('--cos-lr', action='store_true', help='cosine LR scheduler')  
    parser.add_argument('--label-smoothing', type=float, default=0.0, help='Label smoothing epsilon')  
    parser.add_argument('--patience', type=int, default=100, help='EarlyStopping patience (epochs without improvement)')  
    parser.add_argument('--freeze', nargs='+', type=int, default=[0], help='Freeze layers: backbone=10, first3=0 1 2')  
    parser.add_argument('--save-period', type=int, default=-1, help='Save checkpoint every x epochs (disabled if < 1)')  
    parser.add_argument('--seed', type=int, default=0, help='Global training seed')  
    parser.add_argument('--local_rank', type=int, default=-1, help='Automatic DDP Multi-GPU argument, do not modify')  
  
    # Weights & Biases arguments  
    parser.add_argument('--entity', default=None, help='W&B: Entity')  
    parser.add_argument('--upload_dataset', nargs='?', const=True, default=False, help='W&B: Upload data, "val" option')  
    parser.add_argument('--bbox_interval', type=int, default=-1, help='W&B: Set bounding-box image logging interval')  
    parser.add_argument('--artifact_alias', type=str, default='latest', help='W&B: Version of dataset artifact to use')  
  
    return parser.parse_known_args()[0] if known else parser.parse_args()

---

结语：无
  

---

---

转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 21009200039@stu.xidian.edu.cn