AI学习目录汇总

1、前言

YOLOv1~3作者是约瑟夫·雷德蒙（Joseph Chet Redmon），他的网站：https://pjreddie.com/ YOLOv1网站：https://pjreddie.com/darknet/yolov1/ YOLOv2网站：https://pjreddie.com/darknet/yolov2/ YOLOv3网站：https://pjreddie.com/darknet/yolo/ YOLOv4作者是Alexeyab（俄），网站：https://github.com/AlexeyAB/darknet YOLOv5作者是Glenn Jocher，网站：https://github.com/ultralytics/yolov5 YOLOX作者是刘松涛，网站：https://gitee.com/alexbd/YOLOX

2、简介

YOLO v3在之前Darknet-19的基础上引入了残差模块，并进一步加深了网络，改进后的网络有53个卷积层，取名为Darknet-53，网络结构图如下所示：

3、YOLOv3的改进

3.1 Yolov3的三个基本组件

3.1.1 CBL

Yolov3网络结构中的最小组件，由卷积层Conv+批归一化Bn+激活函数Leaky ReLU三者组成。 这是为了防止过拟合，在每个卷积层之后加入了一个BN层和一个Leaky ReLU。

3.1.2 Res unit

借鉴Resnet网络中的残差结构，让网络可以构建的更深，同时避免出现梯度消失或爆炸。

3.1.3 ResX

由一个CBL和X个残差组件构成，是Yolov3中的大组件。每个Res模块前面的CBL都起到下采样的作用，因此经过5次Res模块后，得到的特征图是608->304->152->76->38->19大小。

3.2 Concat

张量拼接，会扩充两个张量的维度，例如26×26×256和26×26×512两个张量拼接，结果是26×26×768。 将网络的中间层和后面某一层的上采样进行张量拼接，达到多尺度特征融合的目的。

3.3 Add

张量相加，张量直接相加，不会扩充维度，例如104×104×128和104×104×128相加，结果还是104×104×128。

3.4 去掉池化层

Darknet-53没有采用最大池化层，而是采用步长为2的卷积层进行下采样。

3.5 多尺度预测（先验框）

YOLOv3借鉴了FPN的思想，从不同尺度提取特征。相比YOLOv2，YOLOv3提取最后3层特征图，不仅在每个特征图上分别独立做预测，同时通过将小特征图上采样到与大的特征图相同大小，然后与大的特征图拼接做进一步预测。用维度聚类的思想聚类出9种尺度的anchor box，将9种尺度的anchor box均匀的分配给3种尺度的特征图。

3.6 多标签分类

在YOLOv2中，使用softmax进行分类，softmax会假设这个目标只从属于一个类别，根据网络输出类别的得分最大值，将其归为某一类。然而在一些复杂的场景中，单一目标可能从属于多个类别。比如在一个交通场景中，某目标的种类既属于汽车也属于卡车。

为实现多标签分类，YOLOv3使用了sigmoid函数，如果某一特征图的输出经过该函数处理后的值大于设定阈值(比如0.5)，那么就认定该目标框所对应的目标属于该类。

4、相关代码

4.1 python代码

代码地址：https://github.com/ultralytics/Yolov3

4.2 C++代码

这里推荐Yolov4作者的darknetAB代码，代码和原始作者代码相比，进行了很多的优化，如需要运行Yolov3网络，加载cfg时，使用Yolov3.cfg即可 代码地址：https://github.com/AlexeyAB/darknet

4.3 python版本的Tensorrt代码

4.3.1 Tensort中的加速案例

tensort自带的Yolov3加速案例：TensortX/samples/python/Yolov3_onnx 代码讲解文章：https://www.cnblogs.com/shouhuxianjian/p/10550262.html

4.3.2 Github上的tensorrt加速

代码地址：https://github.com/lewes6369/TensorRT-Yolov3

4.4 C++版本的Tensorrt代码

YOLOv4作者Alexey的github：https://github.com/AlexeyAB/darknet 其它的：https://github.com/wang-xinyu/tensorrtx/tree/master/Yolov3