YOLO总结，从YOLOv1到YOLOv3

YOLOv1

论文链接：https://arxiv.org/abs/1506.02640

检测原理

将检测问题转换成回归问题，一个CNN就搞定。即得到一个框的中心坐标(x, y)和宽高w，h，然后作回归任务。

B是两个框，5是指参数量，x y w h是确定框的位置，c是置信度的值

YOLOv2

论文链接：https://arxiv.org/abs/1612.08242

检测原理--相对yolov1的改进

yolov2中使用了K-means聚类

 

YOLOv3

论文链接：https://arxiv.org/abs/1804.02767

源码：GitHub - ultralytics/yolov3 at v9.5.0

参考视频：科普：什么是yolo3目标检测算法_哔哩哔哩_bilibili

1.计算机确定猫的位置

2.yolov3确定猫的位置

3.yolov3整体结构

 

4.用coco128数据集复现yolov3

1.detect.py

这个可以用自己找的图片测试，可以提前下载好yolov3.pt进行测试，注意路径就好了

测试结果

2.train.py

这里使用coco128数据集复现，因为coco是在是太大

coco128数据集自己下载一下，放到工程文件外面就行

同样是注意一下路径和yaml文件路径，训练结果如下

训练完的权重和一些数据会存放在run/train文件夹中

3.test.py

同样是注意路径就好

测试的结果会存放在run/test中