做百度移动端网站,wordpress企业网站模板下载,福州微信网站建设,做地方网站网络区别就不说了#xff0c;ipad笔记记录了#xff0c;这里只说其他的区别1 输入区别1.1 yolov3没什么特别的数据增强方式1.2 yolov4Mosaic数据增强Yolov4中使用的Mosaic是参考2019年底提出的CutMix数据增强的方式#xff0c;但CutMix只使用了两张图片进行拼接#xff0c;…网络区别就不说了ipad笔记记录了这里只说其他的区别1 输入区别1.1 yolov3没什么特别的数据增强方式1.2 yolov4Mosaic数据增强Yolov4中使用的Mosaic是参考2019年底提出的CutMix数据增强的方式但CutMix只使用了两张图片进行拼接而Mosaic数据增强则采用了4张图片随机缩放、随机裁剪、随机排布的方式进行拼接。这里首先要了解为什么要进行Mosaic数据增强呢在平时项目训练时小目标的AP一般比中目标和大目标低很多。而Coco数据集中也包含大量的小目标但比较麻烦的是小目标的分布并不均匀。首先看下小、中、大目标的定义2019年发布的论文《Augmentation for small object detection》对此进行了区分可以看到小目标的定义是目标框的长宽0×0~32×32之间的物体。但在整体的数据集中小、中、大目标的占比并不均衡。如上表所示Coco数据集中小目标占比达到41.4%数量比中目标和大目标都要多。但在所有的训练集图片中只有52.3%的图片有小目标而中目标和大目标的分布相对来说更加均匀一些。针对这种状况Yolov4的作者采用了Mosaic数据增强的方式。主要有几个优点丰富数据集随机使用4张图片随机缩放再随机分布进行拼接大大丰富了检测数据集特别是随机缩放增加了很多小目标让网络的鲁棒性更好。减少GPU可能会有人说随机缩放普通的数据增强也可以做但作者考虑到很多人可能只有一个GPU因此Mosaic增强训练时可以直接计算4张图片的数据使得Mini-batch大小并不需要很大一个GPU就可以达到比较好的效果。1.3 yolov51Mosaic数据增强Yolov5的输入端采用了和Yolov4一样的Mosaic数据增强的方式。Mosaic数据增强提出的作者也是来自Yolov5团队的成员不过随机缩放、随机裁剪、随机排布的方式进行拼接对于小目标的检测效果还是很不错的。2 自适应锚框计算在Yolo算法中针对不同的数据集都会有初始设定长宽的锚框。在网络训练中网络在初始锚框的基础上输出预测框进而和真实框groundtruth进行比对计算两者差距再反向更新迭代网络参数。因此初始锚框也是比较重要的一部分比如Yolov5在Coco数据集上初始设定的锚框在Yolov3、Yolov4中训练不同的数据集时计算初始锚框的值是通过单独的程序运行的。但Yolov5中将此功能嵌入到代码中每次训练时自适应的计算不同训练集中的最佳锚框值。当然如果觉得计算的锚框效果不是很好也可以在代码中将自动计算锚框功能关闭。控制的代码即train.py中上面一行代码设置成False每次训练时不会自动计算。3自适应图片缩放在常用的目标检测算法中不同的图片长宽都不相同因此常用的方式是将原始图片统一缩放到一个标准尺寸再送入检测网络中。比如Yolo算法中常用416*416608*608等尺寸比如对下面800*600的图像进行缩放。但Yolov5代码中对此进行了改进也是Yolov5推理速度能够很快的一个不错的trick。作者认为在项目实际使用时很多图片的长宽比不同因此缩放填充后两端的黑边大小都不同而如果填充的比较多则存在信息冗余影响推理速度。因此在Yolov5的代码中datasets.py的letterbox函数中进行了修改对原始图像自适应的添加最少的黑边。图像高度上两端的黑边变少了在推理时计算量也会减少即目标检测速度会得到提升。这种方式在之前github上Yolov3中也进行了讨论https://github.com/ultralytics/yolov3/issues/232在讨论中通过这种简单的改进推理速度得到了37%的提升可以说效果很明显。但是有的同学可能会有大大的问号如何进行计算的呢大白按照Yolov5中的思路详细的讲解一下在datasets.py的letterbox函数中也有详细的代码。第一步计算缩放比例原始缩放尺寸是416*416都除以原始图像的尺寸后可以得到0.52和0.69两个缩放系数选择小的缩放系数。第二步计算缩放后的尺寸原始图片的长宽都乘以最小的缩放系数0.52宽变成了416而高变成了312。第三步计算黑边填充数值将416-312104得到原本需要填充的高度。再采用numpy中np.mod取余数的方式得到8个像素再除以2即得到图片高度两端需要填充的数值。此外需要注意的是a.这里大白填充的是黑色即000而Yolov5中填充的是灰色即114,114,114都是一样的效果。b.训练时没有采用缩减黑边的方式还是采用传统填充的方式即缩放到416*416大小。只是在测试使用模型推理时才采用缩减黑边的方式提高目标检测推理的速度。c.为什么np.mod函数的后面用32因为Yolov5的网络经过5次下采样而2的5次方等于32。所以至少要去掉32的倍数再进行取余。1.4 yolox除了用Mosaic之外还用了MixUp数据增强MixUp是在Mosaic基础上增加的一种额外的增强策略。主要来源于2017年顶会ICLR的一篇论文《mixup: Beyond Empirical Risk Minimization》。当时主要应用在图像分类任务中可以在几乎无额外计算开销的情况下稳定提升1个百分点的分类精度。而在Yolox中则也应用到目标检测中代码在yolox/datasets/mosaicdetection.py这个文件中。其实方式很简单比如我们在做人脸检测的任务。先读取一张图片图像两侧填充缩放到640*640大小即Image_1人脸检测框为红色框。再随机选取一张图片图像上下填充也缩放到640*640大小即Image_2人脸检测框为蓝色框。然后设置一个融合系数比如上图中设置为0.5将Image_1和Image_2加权融合最终得到右面的Image。从右图可以看出人脸的红色框和蓝色框是叠加存在的。我们知道在Mosaic和Mixup的基础上Yolov3 baseline增加了2.4个百分点。不过有两点需要注意1在训练的最后15个epoch这两个数据增强会被关闭掉。而在此之前Mosaic和Mixup数据增强都是打开的这个细节需要注意。2由于采取了更强的数据增强方式作者在研究中发现ImageNet预训练将毫无意义因此所有的模型均是从头开始训练的。
