Yolov5

Anchor

１．Anchor是啥？
anchor字面意思是錨，是個把船固定的東東（上圖），anchor在計算機視覺中有錨點或錨框，目標檢測中常出現(xiàn)的anchor box是錨框，表示固定的參考框。

目標檢測是"在哪里有什么"的任務，在這個任務中，目標的類別不確定、數(shù)量不確定、位置不確定、尺度不確定。傳統(tǒng)非深度學習方法和早期深度學習方法，都要金字塔多尺度+遍歷滑窗的方式，逐尺度逐位置判斷"這個尺度的這個位置處有沒有認識的目標"，這種窮舉的方法非常低效。

最近SOTA的目標檢測方法幾乎都用了anchor技術(shù)。首先預設一組不同尺度不同位置的anchor，覆蓋幾乎所有位置和尺度，每個anchor負責檢測與其交并比大于閾值 (訓練預設值，常用0.5或0.7) 的目標，anchor技術(shù)將問題轉(zhuǎn)換為"這個固定參考框中有沒有認識的目標，目標框偏離參考框多遠"，不再需要多尺度遍歷滑窗，真正實現(xiàn)了又好又快，如在Faster R-CNN和SSD兩大主流目標檢測框架及擴展算法中anchor都是重要部分。

目標檢測中的固定的參考框

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 目標框anchor是原圖 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
#感受野比較小，適合小目標檢測，淺層次的feature
#往下，感受野變大？？適合檢測大物體
# YOLOv5 v6.0 backbone
backbone:# [from, number, module, args]
#  number(layer重復的次數(shù) 實際上會乘上depth_multiple: 0.33，1*0.33)
#  args(每層輸出的channel，實際上會乘上width_multiple: 0.50 ，64*0.50
#  向上取整
#每行是一個layer的類別，
#  第一列，輸入的feature從哪兒來的，-1表示輸入來自上一層的輸出
# [64, 6, 2, 2] 64是輸出的channel，輸入channel由上一層決定，6是卷積核大小，stride，padding[[-1, 1, Conv, [64, 6, 2, 2]],  # 0-P1/2[-1, 1, Conv, [128, 3, 2]],  # 1-P2/4
#   1-P2/4，第一層，p2 ，4 ：featuremap的大小變成了原圖的 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 訓練文件

路徑在這

detect.py

核心部分

# 通過命令行設置其中的一些參數(shù)
# 不同文件對應不同的模型(weights不同，目標檢測的置信度不同# --source，輸入是個文件夾，會對文件夾下所有的文件進行檢測
也可以指定一張圖片的相對路徑，
可以是視頻，會分成一幀一幀來處理
只支持YouTube視頻鏈接，別的視頻要下載下來
檢測不到的objections 是因為沒有進行標記
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，檢測結(jié)果某個區(qū)域置信度大于0.25就當作是個物體實際運用過程中，對參數(shù)進行調(diào)整和確認的parser.add_argument('--iou-thres', type=float, default=0.45, help='IOU threshold for NMS')default=0.45，iou的值大于閾值就當作一個objection，從兩個框中任選一個來表示這個物體，小于閾值就當作不同的物體設置為0，框和框之間不會有交集parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')-- device:使用CPU還是GPU，可以不同設置，默認是空parser.add_argument('--view-img', action='store_true', help='display results')在命令行中制定了這個參數(shù)，就會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')增強檢測結(jié)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'))

通過命令行設置其中的一些參數(shù)不同文件對應不同的模型(weights不同，目標檢測的置信度不同

# --source，輸入是個文件夾，會對文件夾下所有的文件進行檢測
也可以指定一張圖片的相對路徑，
可以是視頻，會分成一幀一幀來處理
只支持YouTube視頻鏈接，別的視頻要下載下來
檢測不到的objections 是因為沒有進行標記

 parser.add_argument('--img-size', type=int, default=640, help='inference size (pixels)')
對輸入的image進行 resize，再送入神經(jīng)網(wǎng)絡中
這些訓練模型，指定image size是640
訓練過程，網(wǎng)絡運算過程中對圖片大小進行縮放，會恢復，輸入輸出尺寸其實保持不變，
最好是和訓練模型指定的image size進行匹配，不匹配也沒關(guān)系

運行結(jié)果

進行實時檢測，rstp鏈接

通過手機電腦攝像頭檢測