位置: IT常识 - 正文

目标检测算法——YOLOV7——详解(一阶段目标检测算法)

编辑:rootadmin
目标检测算法——YOLOV7——详解 1、主要贡献

推荐整理分享目标检测算法——YOLOV7——详解(一阶段目标检测算法),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:目标检测算法有哪些,一阶段目标检测算法,最新目标检测算法,3d目标检测算法,目标检测算法排名,目标检测算法的主要目的是找到图像中用户感兴趣的,目标检测算法的主要目的是找到图像中用户感兴趣的,目标检测算法排名,内容如对您有帮助,希望把文章链接给更多的朋友!

    主要是现有的一些trick的集合以及模块重参化和动态标签分配策略,最终在 5 FPS 到 160 FPS 范围内的速度和准确度都超过了所有已知的目标检测器。

    当前目标检测主要的优化方向:更快更强的网络架构;更有效的特征集成方法;更准确的检测方法;更精确的损失函数;更有效的标签分配方法;更有效的训练方法。

2、主要思路

    按照论文,目前模型精度和推理性能比较均衡的是yolov7 模型(对应的开源git版本为0.1版)。根据源码+导出的onnx文件+“张大刀”等的网络图(修改了其中目前我认为的一些bug,增加一些细节)。重新绘制了yoloV7 0.1版本的非常详尽网络结构。注意:

    1)其中的特征图结果维度注释是按照箭头的流方向,不是固定的上下方向。

    2)输入输出仅仅是指当前模块的输入输出,整体需要根据流方向累乘计算最终的结果。

    3)该模型版本没有辅助训练头。

    整体上和YOLOV5是相似的,主要是网络结构的内部组件的更换(涉及一些新的sota的设计思想)、辅助训练头、标签分配思想等。整体预处理、loss等可参考yolov5: 目标检测算法——YOLOV5_TigerZ*的博客-CSDN博客_目标检测yolov5

    

3、具体细节    1)input

    整体复用YOLOV5的预处理方式和相关源码,唯一需要注意的是,官方主要是在640*640和1280*1280这样的相对较大的图片上进行的训练和测试。

    具体参考我的另一篇YOLOV5博客中的 “具体细节” -> ‘input’ 章节即可。目标检测算法——YOLOV5_TigerZ*的博客-CSDN博客_目标检测yolov5

    2)backbone

    主要是使用ELAN(该版本模型并没有使用论文里提到的最复杂的E-ELAN结构) 和 MP 结构。该版本模型的激活函数使用的是Silu。

    详细可以参考源码的 cfg/training/yolov7.yaml 文件 + models/yolo.py 文件 + 使用 export.py 导出onnx 结构使用 netron等软件来梳理。

    a.ELAN结构

    通过控制最短最长的梯度路径,更深的网络可以有效地学习和收敛。作者提出ELAN结构。基于ELAN设计的E-ELAN 用expand、shuffle、merge cardinality来实现在不破坏原有梯度路径的情况下不断增强网络学习能力的能力。(PS:该版本模型以及E6E网友反馈均未实现E-ELAN),论文中相关的图如下,其中的cross stage connection 其实就是1*1卷积:

    简化如下:

    

    

b.MP 结构

    个人认为这是一个相对鸡贼的结构,之前下采样我们通常最开始使用maxpooling,之后大家又都选用stride = 2的3*3卷积。这里作者充分发挥:“小孩子才做选择,大人都要”的原则,同时使用了max pooling 和 stride=2的conv。  需要注意backbone中的MP前后通道数是不变的。

3)neck & head

    检测头整体结构和YOLOV5类似,仍然是anchor based 结构,仍然没有使用YOLOX 和YOLOV6 的解耦头(分类和检测)思路,这一点目前不太理解,后续有精力可以魔改一下。主要是使用了:

    *SPPCSPC结构

    *ELAN-W(我自己命名非官方名字,因为基本上和ELAN类似,但是又不是论文中的E-ELAN)

    *MP 结构(和backbone参数不同)

    *比较流行的重参数化结构Rep结构

    以上参见本篇博客中的“主要思路”中的整体图,里面就有可视化的这些部件,可以非常直观的理解这些结构。详细可以参考源码的 cfg/training/yolov7.yaml 文件 + models/yolo.py 文件 + 使用 export.py 导出onnx 结构使用 netron等软件来梳理。

4)loss function

    主要分带和不带辅助训练头两种,对应的训练脚本是train.py 和 train_aux.py。

    不带辅助训练头(分损失函数和匹配策略两部分讨论)。

    损失函数

目标检测算法——YOLOV7——详解(一阶段目标检测算法)

    整体和YOLOV5 保持一致,分为坐标损失、目标置信度损失(GT就是训练阶段的普通iou)和分类损失三部分。其中目标置信度损失和分类损失采用BCEWithLogitsLoss(带log的二值交叉熵损失),坐标损失采用CIoU损失。详细参见utils/loss.py 里面的 ComputeLossOTA 函数 配合 配置文件里的各部分的权重设置。

    匹配策略

    主要是参考了YOLOV5 和YOLOV6使用的当下比较火的simOTA.

    S1.训练前,会基于训练集中gt框,通过k-means聚类算法,先验获得9个从小到大排列的anchor框。(可选)

    S2.将每个gt与9个anchor匹配:Yolov5为分别计算它与9种anchor的宽与宽的比值(较大的宽除以较小的宽,比值大于1,下面的高同样操作)、高与高的比值,在宽比值、高比值这2个比值中,取最大的一个比值,若这个比值小于设定的比值阈值,这个anchor的预测框就被称为正样本。一个gt可能与几个anchor均能匹配上(此时最大9个)。所以一个gt可能在不同的网络层上做预测训练,大大增加了正样本的数量,当然也会出现gt与所有anchor都匹配不上的情况,这样gt就会被当成背景,不参与训练,说明anchor框尺寸设计的不好。

    S3.扩充正样本。根据gt框的中心位置,将最近的2个邻域网格也作为预测网格,也即一个groundtruth框可以由3个网格来预测;可以发现粗略估计正样本数相比前yolo系列,增加了三倍(此时最大27个匹配)。图下图浅黄色区域,其中实线是YOLO的真实网格,虚线是将一个网格四等分,如这个例子中,GT的中心在右下虚线网格,则扩充右和下真实网格也作为正样本。

    S4.获取与当前gt有top10最大iou的prediction结果。将这top10 (5-15之间均可,并不敏感)iou进行sum,就为当前gt的k。k最小取1。

    S5.根据损失函数计算每个GT和候选anchor损失(前期会加大分类损失权重,后面减低分类损失权重,如1:5->1:3),并保留损失最小的前K个。

    S6.去掉同一个anchor被分配到多个GT的情况。

    带辅助训练头(分损失函数和匹配策略两部分讨论)。

    论文中,将负责最终输出的Head为lead Head,将用于辅助训练的Head称为auxiliary Head。本博客不重点讨论,原因是论文中后面的结构实验实现提升比较有限(0.3个点),具体可以看原文。

    

    一些细节:其loss函数和不带辅助头相同,加权系数不能过大(aux head loss 和lead head loss 按照0.25:1的比例),否则会导致lead head出来的结果精度变低。匹配策略和上面的不带辅助头(只有lead head)只有很少不同,其中辅助头:

    *lead head中每个网格与gt如果匹配上,附加周边两个网格,而aux head附加4个网格(如上面导数第二幅图,匹配到浅黄+橘黄共5个网格)。

    *lead head中将top10个样本iou求和取整,而aux head中取top20。

    aux head更关注于recall,而lead head从aux head中精准筛选出样本。

    需要注意依照yolov5中的中心点回归方式,仅能将图中红色特征grid,预测在图中红色+蓝色区域(实线组成的网格代表着特征图grid,虚线代表着一个grid分成了4个象限),是根本无法将中心点预测到gt处(蓝色点)!而该红色特征grid在训练时是会作为正样本的。在aux head中,模型也并没有针对这种情况对回归方式作出更改。所以其实在aux head中,即使被分配为正样本的区域,经过不断的学习,可能仍然无法完全拟合至效果特别好。

5)trics

概述:ELAN设计思想、MP降维组件、Rep结构的思考、正负样本匹配策略、辅助训练头

6)inference

测试阶段(非训练阶段)过程

4、结果

打赏

        你的打赏是我不断分享的动力,羞羞。点这里,嘿嘿。

参考连接

1、yolov7 网络架构深度解析_所向披靡的张大刀的博客-CSDN博客

2、https://d246810g2000.medium.com/%E6%9C%80%E6%96%B0%E7%9A%84%E7%89%A9%E4%BB%B6%E5%81%B5%E6%B8%AC%E7%8E%8B%E8%80%85-yolov7-%E4%BB%8B%E7%B4%B9-206c6adf2e69

3、【yolov7系列二】正负样本分配策略_所向披靡的张大刀的博客-CSDN博客+

4、https://arxiv.org/pdf/2207.02696.pdf

5、深入浅出 Yolo 系列之 Yolov7 基础网络结构详解 - 知乎

6、理解yolov7网络结构_athrunsunny的博客-CSDN博客

7、Yolov7算法卷土重来,精度速度超越所有Yolo算法,Yolov4作者全新力作!

8、深入浅出Yolov7之正负样本分配策略

9、yolov7正负样本分配详解 - 知乎

10、极市开发者平台-计算机视觉算法开发落地平台

本文链接地址:https://www.jiuchutong.com/zhishi/298593.html 转载请保留说明!

上一篇:前端必备:五大css自动化生成网站(稀有级别!)(前端种类)

下一篇:threeJs入门 js引入(threejs怎么用)

  • 做好淘宝推广要学会数据分析(淘宝店铺做推广)

    做好淘宝推广要学会数据分析(淘宝店铺做推广)

  • word怎么多选间断文字(word怎么多处选择)

    word怎么多选间断文字(word怎么多处选择)

  • 快手小店退款多久能到账(快手小店退款多怎么办)

    快手小店退款多久能到账(快手小店退款多怎么办)

  • 抖音关注请求怎么看不到(抖音关注请求怎么设置拒收)

    抖音关注请求怎么看不到(抖音关注请求怎么设置拒收)

  • iphonex喇叭只有一个响(苹果x有一个喇叭没声音)

    iphonex喇叭只有一个响(苹果x有一个喇叭没声音)

  • 微信群踢人找不到人怎么回事(微信群踢人找不到群成员怎么办)

    微信群踢人找不到人怎么回事(微信群踢人找不到群成员怎么办)

  • 学习通电脑端有摄像头吗

    学习通电脑端有摄像头吗

  • 微信多次登录提示账号不存在(微信登陆太多次稍后登陆要多久)

    微信多次登录提示账号不存在(微信登陆太多次稍后登陆要多久)

  • 惠普e3故障(惠普e3故障码)

    惠普e3故障(惠普e3故障码)

  • 钉钉作业历史版本老师可以看到吗(钉钉作业历史版本老师看得到吗)

    钉钉作业历史版本老师可以看到吗(钉钉作业历史版本老师看得到吗)

  • 打开/关闭中文输入法的快捷键是(关闭中文怎么说)

    打开/关闭中文输入法的快捷键是(关闭中文怎么说)

  • 三星g9730是国行吗(三星g9730是什么机型)

    三星g9730是国行吗(三星g9730是什么机型)

  • 华为手机有语音播报屏幕不能正常用(华为手机有语音提示怎么关闭)

    华为手机有语音播报屏幕不能正常用(华为手机有语音提示怎么关闭)

  • 怎么在一个单元格里打出两行字体(怎么在一个单元格里面加斜线打字)

    怎么在一个单元格里打出两行字体(怎么在一个单元格里面加斜线打字)

  • 小米售后换机是新机吗(小米售后换机是整套换吗)

    小米售后换机是新机吗(小米售后换机是整套换吗)

  • 电脑上保存文件的方法(电脑上保存文件的快捷键是什么)

    电脑上保存文件的方法(电脑上保存文件的快捷键是什么)

  • 台式电脑设置在哪里(台式电脑如何安装)

    台式电脑设置在哪里(台式电脑如何安装)

  • 苹果x接电话对方听不见(苹果x接电话是什么样子的)

    苹果x接电话对方听不见(苹果x接电话是什么样子的)

  • 苹果手机小红书怎么下载不了(苹果手机小红书怎么更新版本)

    苹果手机小红书怎么下载不了(苹果手机小红书怎么更新版本)

  • QQ钻头怎么画(钻头的画法简笔)

    QQ钻头怎么画(钻头的画法简笔)

  • oppo手机拨号键不见了怎么恢复(oppo手机拨号键声音怎么关)

    oppo手机拨号键不见了怎么恢复(oppo手机拨号键声音怎么关)

  • qq基友关系能有几个(qq基友关系能有亲密度吗)

    qq基友关系能有几个(qq基友关系能有亲密度吗)

  • 三星g9650港版吗(三星g9650是什么版)

    三星g9650港版吗(三星g9650是什么版)

  • 如何在亚马逊网上开店(如何在亚马逊网站买东西)

    如何在亚马逊网上开店(如何在亚马逊网站买东西)

  • 10的9次方怎么打出来(10的9次方怎么打出来手机)

    10的9次方怎么打出来(10的9次方怎么打出来手机)

  • 苹果icloud有什么用详细介绍(进入苹果icloud)

    苹果icloud有什么用详细介绍(进入苹果icloud)

  • 实收资本怎么交所得税
  • 建筑服务预征缴纳税款包括附加税吗
  • 信息采集需要填两个家庭成员,但只能有一个监护人
  • 应发工资和实发工资计算公式excel
  • 成本 费用区别
  • 预交增值税设备租赁是否可抵扣
  • 哪些财务指标可以用于判断一个企业即将发生财务危机
  • 购房补贴退契税3个月没到账
  • 超范围经营如何举报
  • 政府补贴流程
  • 怎么核算关联企业的借款费用?
  • 营改增后商场进场费如何缴税?
  • 其他综合收益为什么要结转
  • 客户退回发票会退回吗
  • 对方跨行转账成功后我却没收到款还能追回来吗
  • 凭证可以部分冲销吗
  • 企业安装监控费用怎么做账
  • 农场管委会是什么性质单位
  • 税款滞纳金如何免除
  • 土地使用税与房产税的区别
  • 工程开发票备注栏必需要写吗?
  • 费用报销单与付款申请单的用处区别
  • 代缴水电费是什么意思
  • 金蝶标准版期末结转过不去
  • 固定成本与变动成本的区别
  • 会计报表怎么处理
  • 增值税留抵税额在借方还是贷方
  • 工程公司收到工程款
  • win7系统怎么进
  • 建筑工程账务处理是在哪个阶段
  • linux-4.4
  • linux如何在终端运行程序
  • 强制划缴税款
  • stable diffusion webul
  • vue的样式穿透
  • 前端部署发布项目有哪些
  • 块元素和行内元素区别
  • React面试题最全
  • 购物车html模板
  • vi命令模式下的常用命令有哪些?
  • unix命令大全详解
  • 资本化支出的账务处理
  • 支付银行手续费等直接收费金融服务
  • 合并报表的收入就是相加么
  • 电子发票报税怎么操作
  • 水电费是收据能入账不
  • 投标保证金属于什么费用
  • 宝塔怎么搭建
  • 房地产企业拆迁还房会计处理
  • mysql登录报1045
  • 预缴增值税后税款怎么算
  • 无形资产的成本包括增值税吗
  • 投资性房地产累计摊销
  • 记账凭证核算处理方法
  • 分销佣金税务账务怎么做
  • 外币账户记账方法
  • 工程前期费用包含哪些
  • 公司法人章财务章丢了怎么办
  • 交增值税账务处理
  • 收款收据可以入账吗
  • SQL Server 2016 CTP2.3 的关键特性总结
  • 数据库聚簇索引和非聚簇索引
  • win7系统摄像头打不开
  • centos如何设置ip
  • mac浏览器显示不全
  • WINDOWS系统还原主要作用
  • Qoeloader.exe - Qoeloader是什么进程 有什么用
  • linux系统管理命令有哪些
  • win8引导文件
  • windows7开机启动
  • win8.1安装包
  • style js
  • firefox下rowspan+border+border-collapse的bug
  • nodejsapi
  • dos常用命令与批处理文件
  • kmp算法代码完整实现
  • js foreach倒序
  • 全面解析白羊座o型血女
  • python中set用法
  • 国家税务总局39号文
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设