【YOLOv5入门】目标检测

【大家好，我是爱干饭的猿，本文重点介绍YOLOv5入门-目标检测的任务、性能指标、yolo算法基本思想、yolov5网络架构图。

后续会继续分享其他重要知识点总结，如果喜欢这篇文章，点个赞👍，关注一下吧】

上一篇文章：《【python高级】asyncio 并发编程》

YOLOv5_5">YOLOv5入门

1. 目标检测-任务

目标检测 (Object Detection ) = What, and Where
类别标签（Category label）
置信度得分（Confidence score）

定位和检测：

定位是找到检测图像中带有一个给定标签的单个目标
检测是找到图像中带有给定标签的所有目标

在这里插入图片描述

2. 目标检测-性能指标

检测精度

Precision, Recall, F1 score
IoU (Intersection over Union)
P-R curve （Precison-Recall curve）
AP (Average Precision)
mAP (mean Average Precision)

检测速度

前传耗时
每秒帧数 FPS (Frames Per Second)
浮点运算量(FLOPS)

在这里插入图片描述

精度Precision(查准率)是评估预测的准不准（看预测列）
召回率Recall（查全率）是评估找的全不全(看实际行)

2.1 检测精度

IoU:
An IoU of 1 implies that predicted and the ground-truth bounding boxes perfectly overlap.
You can set a threshold value for the IoU to determine if the object detection is valid or not.
Let’s say you set IoU to 0.5, in that case
• if IoU ≥0.5, classify the object detection as True Positive(TP)
• if IoU <0.5, then it is a wrong detection and classify it as False Positive(FP)
• When a ground truth is present in the image and model failed to detect the object, classify it as False Negative(FN).
• True Negative (TN): TN is every part of the image where we did not predict an object. This metrics is not useful for object detection, hence we ignore TN.
AP衡量的是学习出来的模型在每个类别上的好坏
mAP衡量的是学出的模型在所有类别上的好坏。mAP就是取所有类别上AP的平均值。
对于PASCAL VOC挑战，如果IoU> 0.5，则预测为正样本(TP)。但是，如果检测到同一目标的多个检测，则视第一个检测为正样本(TP)，而视其余检测为负样本(FP)。

2.2 检测速度

前传耗时(ms): 从输入一张图像到输出最终结果所消耗的时间，包括前处理耗时(如图像归一化)、网络前传耗时、后处理耗时(如非极大值抑制)
每秒帧数 FPS (Frames Per Second)：每秒钟能处理的图像数量
浮点运算量(FLOPS)：处理一张图像所需要的浮点运算数量, 跟具体软硬件没有关系,可以公平地比较不同算法之间的检测速度。

YOLO_58">3. YOLO算法的基本思想

3.1 基本思想

在这里插入图片描述
首先通过特征提取网络对输入图像提取特征，得到一定大小的特征图，比如1313（相当于416416图片大小），然后将输入图像分成13*13个grid cells
➢ YOLOv3/v4: 如果GT中某个目标的中心坐标落在哪个grid cell中，那么就由该grid cell来预测该目标。每个grid cell都会预测3个不同尺度的边界框。
➢ YOLOv5: 不同于yolov3/v4，其GT可以跨层预测，即有些bbox在多个预测层都算正样本；匹配数范围可以是3-9个。

预测得到的输出特征图有两个维度是提取到的特征的维度，比如13
*13，还有一个维度（深度）是 B *（5+C）
➢ 注：B表示每个grid cell预测的边界框的数量（YOLO v3/v4中是3个）；
C表示边界框的类别数（没有背景类，所以对于VOC数据集是20）； 5表示4个坐标信息和一个目标性得分（objectness score）。

3.2 计算

在这里插入图片描述
每个预测框的类别置信度得分(class confidence score ) 计算如下：

它测量分类和定位（目标对象所在的位置）的置信度。

3.3 NMS (Non-Maximum Suppression) 非极大抑制

测试时没有GT框，只能比较多个预测框，比较相互之间的IOU，做NMS

3.4 损失函数(Loss function)

损失函数包括：
• classification loss, 分类损失
• localization loss, 定位损失（预测边界框与GT之间的误差）
• confidence loss, 置信度损失（框的目标性；objectness of the box）
总的损失函数：
classification loss + localization loss + confidence loss