yolov3 详解

2024-06-13 04:52
文章标签 yolov3 详解

本文主要是介绍yolov3 详解，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

文章目录

  • 1、yolov3原理
  • 2、损失函数
  • 3、yolov3改进
  • 4、使用opencv实现yolov3
  • 5、卷积神经网络工作原理

1、yolov3原理

参考视频

darknet53：52个卷积层和1个全联接层
输入图像为416416
1313 -》 下采样32倍
2626 -》 下采样16倍
5252 -》 下采样8倍

在这里插入图片描述

由标注框中心点落在的grid cell中与9个anchors，IOU最大那个去预测，也称正样本，其他非最大的就不是正样本。

正样本：anchors和标记框的IOU最大，他就是正样本
不参与：anchors和标记框的IOU高于某一个阈值，但是不是最大的就忽略
负样本：一个anchors和标记框的IOU小于某一个阈值，负样本
正样本会在所有项中计算损失产生贡献（定位、置信度、分类）
负样本产生贡献（置信度）

在这里插入图片描述

2、损失函数

1、每个格子是一个grid cell
2、虚线的黑框是anchors
3、实线的蓝框是预测框是以anchors为基准偏移的（以旁边公式）
由tx、ty、th、tw反向推理出来最终结果，sigmoid函数的意义保证输出是0-1之间
cx、cy是归一化之后的长宽

在这里插入图片描述

(cx,cy)：该点所在网格的左上角距离最左上角相差的格子数。
(pw,ph)：先验框的边长
(tx,ty)：目标中心点相对于该点所在网格左上角的偏移量
(tw,th)：预测边框的宽和高
σ：激活函数，论文作者用的是sigmoid函数，[0,1]之间概率，之所以用sigmoid取代之前版本的softmax，原因是softmax会扩大最大类别概率值而抑制其他类别概率值 ，图解如下

在这里插入图片描述

评估指标：yolov3精准定位较差，所以在map@0.5:0.95上较差
map@0.5：IOU阈值为0.5的时候，各个类别PR曲线面积的均值
置信度、IOU阈值
在这里插入图片描述在这里插入图片描述
在这里插入图片描述

3、yolov3改进

多尺度目标检测：
输入任意尺度，输出3中尺度的feature map，yolov3通过多尺度融合，
改进了小物体和密集物体的检测问题：
1、增加了grid cell的个数
2、预先设置anchor
3、多尺度预测，及发挥了深层网络特化语义特征，又整合了浅层网络细腻度像素结构信息
4、损失函数惩罚小框项
5、网络结构（骨干网络、跨层连接）

4、使用opencv实现yolov3

import cv2
import numpy as np# 倒入python绘图函数
import matplotlib.pyplot as plt
# 使用ipython的魔术方法，将绘制出的图像直接嵌入在notebook单元格中
def look_img(img):# opencv读图片的是BGR、matplotlib是RGBimg_RGB = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)plt.imshow(img_RGB)plt.show()# 1、导入预训练YOLOv3模型
net = cv2.dnn.readNet('yolov3.weights','yolov3.cfg')# 2、导入coco数据集80个类别
with open('coco.names','r') as f:classes = f.read().splitlines()# 3、导入图像
img = cv2.imread('bus.jpg')
look_img(img)# 4、对图像预处理（将所有像素除以255，尺寸改成416，416，绿色通道和蓝色通道置换，不进行裁剪）
blob = cv2.dnn.blobFromImage(img,1/255,(416,416),(0,0,0),swapRB=True,crop=False)
blob.shape# 5、输入到网络
net.setInput(blob)# 获取网络所有层名字
net.getLayerNames()# 获取三个尺寸输出层的索引号
net.getUnconnectedOutLayers()#. 获取三个尺度输出层的名称
layerNames = net.getLayerNames()
output_layers_names = [layerNames[i - 1] for i in net.getUnconnectedOutLayers()]
output_layers_names# 6、输入yolov3神经网络，前向推断预测
prediction = net.forward(output_layers_names)# 7、获取yolov3三个尺度的输出结果
prediction[0].shape# 8、从三个尺度输出结果中解析所有预测框信息
# 存放预测框坐标
boxes = []# 存放置信度
objectness = []# 存放类别概率
class_probs = []# 存放预测框类别索引号
class_ids = []# 存放预测框类别名称
class_names = []for scale in prediction: # 遍历三种尺度for bbox in scale: # 遍历每个预测框obj = bbox[4] # 获取该预测框的confidence)(objectness)class_scores = bbox[5:] # 获取该预测框coco数据集80个类别的概率class_id = np.argmax(class_scores) # 获取概率最高类别的索引号class_name = classes[class_id] # 获取概率最高类别名称class_prob = class_scores[class_id] # 获取概率最高类别的概率# 获取预测框中心点坐标，预测框宽高if np.isnan(bbox[0]):bbox[0] = 0if np.isnan(bbox[1]):bbox[1] = 0if np.isnan(bbox[2]):bbox[2] = 0if np.isnan(bbox[3]):bbox[3] = 0center_x = int(bbox[0] * width)center_y = int(bbox[1] * height)w = int(bbox[2]*width)h = int(bbox[3]*height)# 计算预测框左上角坐标x = int(center_x - w/2)y = int(center_y - h/2)# 将每个预测框的结果存放至上面的列表中boxes.append([x,y,w,h])objectness.append(float(obj))class_ids.append(class_id)class_names.append(class_name)class_probs.append(class_prob)len(boxes)# 将预测框置信度objectness与各类别置信度class_pred相乘，获得最终该预测框的置信度confidence
confidences = np.array(class_probs) * np.array(objectness)
len(confidences)# objectness、class_pred、confidence三者的关系
plt.plot(objectness,label='objectness')
plt.plot(class_probs,label='class_probs')
plt.plot(confidences,label='confidences')
plt.legend()
plt.show()# 置信度过滤、非极大值抑制NMS
CONF_THRES = 0.1 # 制定置信度阈值、阈值越大、置信度过滤越强（小于这个阈值的所有框剔除掉）
NMS_THRES = 0.4 # 指定NMS阈值，阈值越小，NMS越强（IOU大于这个阈值的框，其中较小的剔除掉，减少重复预测）indexes = cv2.dnn.NMSBoxes(boxes,confidences,CONF_THRES,NMS_THRES)# 过滤完剩下的框
len(indexes.flatten())# 随机给每个预测框生成一种颜色
colors = [[255,0,255],[0,0,255],[0,255,0],[255,0,0]]# 遍历留下的每一个预测框，可视化
for i in indexes.flatten():# 获取坐标x,y,w,h = boxes[i]# 获取置信度confidence = str(round(confidence[i],2))# 获取颜色，画框color = colors[i%len(colors)]cv2.rectangle(img,(x,y),(x+w,y+h),color,8)# 写类别名称置信度# 图片、添加的文字、左上角坐标、字体、字体大小、颜色、字体粗细string = '{} {}'.format(class_names[i],confidence)cv2.putText(img,string,(x,y+20),cv2.FONT_HERSHEY_PLAIN,3,(255,255,255),5)

5、卷积神经网络工作原理

卷积核（是一种特征）对原图进行卷积，是把原图中包含这种特征提取出来
1、卷积计算（通过卷积核在图像上滑动计算，相乘、求和、取平均）结果等于1表示滤框中的值和卷积核的值完全一样

计算padding填充多少？
h2是卷积之后的高度，h1是原图像高度，f卷积核高度，p是填充多少，s是卷积核步长
h2 = （h1 - F + 2p）/s + 1

计算一下
// 在不进行填充的情况下，5*5的图像，在经过3*3卷积之后的结果就变成3*3了
（5-3+0）/1 + 1 = 3// 如果想保证原图像不变就需要进行padding操作
5 = (5-3+2p)/1 + 1
p = 1
// 所以需要在原图像周围补充一圈，具体补充什么值可以通过borderType进行设置

在这里插入图片描述

对原图整个做一遍扫描就得到这个图feature map
原图中包含卷积核的特征提取到这个feature map中来

在这里插入图片描述

在这里插入图片描述

池化
我们对原图提取出来的feature map进行池化（选取区域内最大值作为这个卷积核的值）
在这里插入图片描述

ReLUs将图中负数磨成0（激活函数）

在这里插入图片描述

经过卷积->磨0->池化之后就是这个样子了
在这里插入图片描述

在这里插入图片描述

全连接层
将feature map进行排序，将每一个乘上不同权重最终得到结果在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

通过大量图片去训练这个模型，通过反向传播的方法，神经网络的到一个结果，将其和真实的结果进行比较误差计算（损失函数），我们的目标就是将损失函数降到最低，通过修改卷积核的参数和全连接每一层的权重来进行微调，使得损失函数最小。

这篇关于yolov3 详解的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1056336。

相关文章

十四、观察者模式与访问者模式详解

十四、观察者模式与访问者模式详解

21.观察者模式 21.1.课程目标 1、 掌握观察者模式和访问者模式的应用场景。 2、 掌握观察者模式在具体业务场景中的应用。 3、 了解访问者模式的双分派。 4、 观察者模式和访问者模式的优、缺点。 21.2.内容定位 1、 有 Swing开发经验的人群更容易理解观察者模式。 2、 访问者模式被称为最复杂的设计模式。 21.3.观察者模式 观 察 者 模 式 ( Obser
阅读更多...
【操作系统】信号Signal超详解|捕捉函数

【操作系统】信号Signal超详解|捕捉函数

🔥博客主页： 我要成为C++领域大神🎥系列专栏：【C++核心编程】 【计算机网络】 【Linux编程】 【操作系统】 ❤️感谢大家点赞👍收藏⭐评论✍️ 本博客致力于知识分享，与更多的人进行学习交流 ​ 如何触发信号 信号是Linux下的经典技术，一般操作系统利用信号杀死违规进程，典型进程干预手段，信号除了杀死进程外也可以挂起进程 kill -l 查看系统支持的信号
阅读更多...
Jitter Injection详解

Jitter Injection详解

一、定义与作用 Jitter Injection，即抖动注入，是一种在通信系统中人为地添加抖动的技术。该技术通过在发送端对数据包进行延迟和抖动调整，以实现对整个通信系统的时延和抖动的控制。其主要作用包括： 改善传输质量：通过调整数据包的时延和抖动，可以有效地降低误码率，提高数据传输的可靠性。均衡网络负载：通过对不同的数据流进行不同程度的抖动注入，可以实现网络资源的合理分配，提高整体传输效率。增
阅读更多...
Steam邮件推送内容有哪些？配置教程详解！

Steam邮件推送内容有哪些？配置教程详解！

Steam邮件推送功能是否安全？如何个性化邮件推送内容？ Steam作为全球最大的数字游戏分发平台之一，不仅提供了海量的游戏资源，还通过邮件推送为用户提供最新的游戏信息、促销活动和个性化推荐。AokSend将详细介绍Steam邮件推送的主要内容。 Steam邮件推送：促销优惠 每当平台举办大型促销活动，如夏季促销、冬季促销、黑色星期五等，用户都会收到邮件通知。这些邮件详细列出了打折游戏、
阅读更多...
探索Elastic Search：强大的开源搜索引擎，详解及使用

探索Elastic Search：强大的开源搜索引擎，详解及使用

🎬 鸽芷咕：个人主页  🔥 个人专栏: 《C++干货基地》《粉丝福利》 ⛺️生活的理想，就是为了理想的生活! 引入 全文搜索属于最常见的需求，开源的 Elasticsearch （以下简称 Elastic）是目前全文搜索引擎的首选，相信大家多多少少的都听说过它。它可以快速地储存、搜索和分析海量数据。就连维基百科、Stack Overflow、
阅读更多...
yolov3 上生产

yolov3 上生产

1、在生产环境上编译darknet，执行make命令就好哦。  通过以后，拿到libdarknet.so 2、改一改../python/darknet.py文件 3、把darknet里的四个模型文件地址改一改就可以了     后面我会写一篇详细的，今天我要回家了
阅读更多...
常用MQ消息中间件Kafka、ZeroMQ和RabbitMQ对比及RabbitMQ详解

常用MQ消息中间件Kafka、ZeroMQ和RabbitMQ对比及RabbitMQ详解

1、概述   在现代的分布式系统和实时数据处理领域，消息中间件扮演着关键的角色，用于解决应用程序之间的通信和数据传递的挑战。在众多的消息中间件解决方案中，Kafka、ZeroMQ和RabbitMQ 是备受关注和广泛应用的代表性系统。它们各自具有独特的特点和优势，适用于不同的应用场景和需求。   Kafka 是一个高性能、可扩展的分布式消息队列系统，被设计用于处理大规模的数据流和实时数据传输。它
阅读更多...
Linux中拷贝 cp命令中拷贝所有的写法详解

Linux中拷贝 cp命令中拷贝所有的写法详解

This text from: http://www.jb51.net/article/101641.htm 一、预备  cp就是拷贝，最简单的使用方式就是： cp oldfile newfile 但这样只能拷贝文件，不能拷贝目录，所以通常用： cp -r old/ new/ 那就会把old目录整个拷贝到new目录下。注意，不是把old目录里面的文件拷贝到new目录，
阅读更多...
笔记-python之celery使用详解

笔记-python之celery使用详解

Celery是一个用于处理异步任务的Python库，它允许你将任务分发到多个worker进行处理。以下是Celery的使用详解： 安装Celery 使用pip安装Celery： pip install celery 创建Celery实例 首先，需要创建一个Celery实例，指定broker（消息中间件）和backend（结果存储）。 from celery import Celeryap
阅读更多...
Django 路由系统详解

Django 路由系统详解

Django 路由系统详解 引言 Django 是一个高级 Python Web 框架，它鼓励快速开发和干净、实用的设计。在 Django 中，路由系统是其核心组件之一，负责将用户的请求映射到相应的视图函数或类。本文将深入探讨 Django 的路由系统，包括其工作原理、配置方式以及高级功能。 目录 路由基础URL 映射路由参数命名空间URL 反向解析路由分发include 路由路由修饰符自
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2