YOLO v5 实战 中国交通标志识别 原理部分

交通标志识别 原理部分"/>

YOLO v5 实战 中国交通标志识别 原理部分

文章目录

• 任务介绍
• 目标检测数据集
• 目标检测的性能指标
• Yolo 发展史
• Yolo v5 框架
• 交通标识数据集
• 中国道路交通标识

任务介绍

目标检测数据集

目标检测的性能指标

配合着IOU和threshold，来定义TP、FP、FN。
TP就是IOU>threshold；
FP就是IOU<threshold；
FN就是ground truth，但我们没有预测出来。

Yolo 发展史

B是有多少个不同尺度边界框的预测。








3个head。每个head有255个channel。255=3*(5+80)。3是3个不同尺寸的anchor，5是objectness confidience和4个bounding box的tx，ty，tw，th。

Yolo v5 框架

要在yolo v5的虚拟环境下进行执行。








这张图一看就看明白了。特征图的大小减少了原来的1/4，但是chanel却升高为原来的4倍。


Focus对于FLOPS和运算速度有所提升，但是对于mAP没有增加。其实就是将特征图h和w的信息整合到了Channel里。





除了Focus和激活函数一些微小区别，其他的和Yolo v4我感觉一样。


yolo v5 4.0版本用的SILU激活函数。3.1版本用的HardSwish激活函数。

交通标识数据集

Occluded：True就是被部分的遮挡了。

中国道路交通标识