Yolov5

Anchor

１．Anchor是啥？
anchor字面意思是锚，是个把船固定的东东（上图），anchor在计算机视觉中有锚点或锚框，目标检测中常出现的anchor box是锚框，表示固定的参考框。

目标检测是"在哪里有什么"的任务，在这个任务中，目标的类别不确定、数量不确定、位置不确定、尺度不确定。传统非深度学习方法和早期深度学习方法，都要金字塔多尺度+遍历滑窗的方式，逐尺度逐位置判断"这个尺度的这个位置处有没有认识的目标"，这种穷举的方法非常低效。

最近SOTA的目标检测方法几乎都用了anchor技术。首先预设一组不同尺度不同位置的anchor，覆盖几乎所有位置和尺度，每个anchor负责检测与其交并比大于阈值 (训练预设值，常用0.5或0.7) 的目标，anchor技术将问题转换为"这个固定参考框中有没有认识的目标，目标框偏离参考框多远"，不再需要多尺度遍历滑窗，真正实现了又好又快，如在Faster R-CNN和SSD两大主流目标检测框架及扩展算法中anchor都是重要部分。

目标检测中的固定的参考框

yolov5s.yaml

# YOLOv5 🚀 by Ultralytics, AGPL-3.0 license# Parameters
nc: 80  # number of classes
# 控制模型的大小
depth_multiple: 0.33  # model depth multiple
width_multiple: 0.50  # layer channel multiple
anchors:- [10,13, 16,30, 33,23]  # P3/8 目标框anchor是原图 八分之一stride的大小- [30,61, 62,45, 59,119]  # P4/16 十六分之一- [116,90, 156,198, 373,326]  # P5/32
#感受野比较小，适合小目标检测，浅层次的feature
#往下，感受野变大？？适合检测大物体
# YOLOv5 v6.0 backbone
backbone:# [from, number, module, args]
#  number(layer重复的次数 实际上会乘上depth_multiple: 0.33，1*0.33)
#  args(每层输出的channel，实际上会乘上width_multiple: 0.50 ，64*0.50
#  向上取整
#每行是一个layer的类别，
#  第一列，输入的feature从哪儿来的，-1表示输入来自上一层的输出
# [64, 6, 2, 2] 64是输出的channel，输入channel由上一层决定，6是卷积核大小，stride，padding[[-1, 1, Conv, [64, 6, 2, 2]],  # 0-P1/2[-1, 1, Conv, [128, 3, 2]],  # 1-P2/4
#   1-P2/4，第一层，p2 ，4 ：featuremap的大小变成了原图的 四分之一[-1, 3, C3, [128]],[-1, 1, Conv, [256, 3, 2]],  # 3-P3/8[-1, 6, C3, [256]],[-1, 1, Conv, [512, 3, 2]],  # 5-P4/16[-1, 9, C3, [512]],[-1, 1, Conv, [1024, 3, 2]],  # 7-P5/32[-1, 3, C3, [1024]],[-1, 1, SPPF, [1024, 5]],  # 9# SPPF ：不同尺度feature的融合]# YOLOv5 v6.0 head
head:[[-1, 1, Conv, [512, 1, 1]],[-1, 1, nn.Upsample, [None, 2, 'nearest']],[[-1, 6], 1, Concat, [1]],  # cat backbone P4[-1, 3, C3, [512, False]],  # 13[-1, 1, Conv, [256, 1, 1]],[-1, 1, nn.Upsample, [None, 2, 'nearest']],[[-1, 4], 1, Concat, [1]],  # cat backbone P3[-1, 3, C3, [256, False]],  # 17 (P3/8-small)[-1, 1, Conv, [256, 3, 2]],[[-1, 14], 1, Concat, [1]],  # cat head P4[-1, 3, C3, [512, False]],  # 20 (P4/16-medium)[-1, 1, Conv, [512, 3, 2]],[[-1, 10], 1, Concat, [1]],  # cat head P5[-1, 3, C3, [1024, False]],  # 23 (P5/32-large)
#20*20*1024的feature map[[17, 20, 23], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)]
bottleneck 和detect部分

.pt文件训练文件

路径在这
在这里插入图片描述

detect.py

核心部分

# 通过命令行设置其中的一些参数
# 不同文件对应不同的模型(weights不同，目标检测的置信度不同# --source，输入是个文件夹，会对文件夹下所有的文件进行检测
也可以指定一张图片的相对路径，
可以是视频，会分成一帧一帧来处理
只支持YouTube视频链接，别的视频要下载下来
检测不到的objections 是因为没有进行标记
if __name__ == '__main__':parser = argparse.ArgumentParser()parser.add_argument('--weights', nargs='+', type=str, default='yolov5l.pt', help='model.pt path(s)')parser.add_argument('--source', type=str, default='data/images', help='source')  # file/folder, 0 for webcamparser.add_argument('--img-size', type=int, default=640, help='inference size (pixels)')parser.add_argument('--conf-thres', type=float, default=0.25, help='object confidence threshold')置信度，检测结果某个区域置信度大于0.25就当作是个物体实际运用过程中，对参数进行调整和确认的parser.add_argument('--iou-thres', type=float, default=0.45, help='IOU threshold for NMS')default=0.45，iou的值大于阈值就当作一个objection，从两个框中任选一个来表示这个物体，小于阈值就当作不同的物体设置为0，框和框之间不会有交集parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')-- device:使用CPU还是GPU，可以不同设置，默认是空parser.add_argument('--view-img', action='store_true', help='display results')在命令行中制定了这个参数，就会parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels')parser.add_argument('--nosave', action='store_true', help='do not save images/videos')parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --class 0, or --class 0 2 3')parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS')增强检测结果的一些方式 parser.add_argument('--augment', action='store_true', help='augmented inference')parser.add_argument('--update', action='store_true', help='update all models')parser.add_argument('--project', default='runs/detect', help='save results to project/name')parser.add_argument('--name', default='exp', help='save results to project/name')parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')opt = parser.parse_args()print(opt)check_requirements(exclude=('pycocotools', 'thop'))

通过命令行设置其中的一些参数不同文件对应不同的模型(weights不同，目标检测的置信度不同

# --source，输入是个文件夹，会对文件夹下所有的文件进行检测
也可以指定一张图片的相对路径，
可以是视频，会分成一帧一帧来处理
只支持YouTube视频链接，别的视频要下载下来
检测不到的objections 是因为没有进行标记

 parser.add_argument('--img-size', type=int, default=640, help='inference size (pixels)')
对输入的image进行 resize，再送入神经网络中
这些训练模型，指定image size是640
训练过程，网络运算过程中对图片大小进行缩放，会恢复，输入输出尺寸其实保持不变，
最好是和训练模型指定的image size进行匹配，不匹配也没关系