補充:

• 上篇中的YOLOv5架構圖中，有繪製到一個CBL block，這邊CBL包含了 convolution、Batch Normalization以及Leakly ReLu激活函數。

其他技術採用:

• 影像擴增技術:
  • Mosiac:將四張圖併成一張。
  • Copy-Paste:將其他的物件切割貼到另外一張圖片上。
  • Random Affine Transformations:隨機將影像進行放大縮小、旋轉、shearing。
  • MixUp:將多張圖片以線性的方式進行合併。
  • Albumentations:多種augmentation的函式庫。
  • HSV: 隨機變換影像的色相(Hue)、飽和度(Saturation)、值(Value)。
  • 隨機水平翻轉。
• 訓練策略:
  • 多尺度訓練: 在模型訓練過程隨機將影像以原圖0.5到1.5倍放大。
  • AutoAnchor: 個人覺得跟YOLOv2採用的Dimension Clusters一樣用以挑選最適合該資料集的Anchor Box。
  • Mixed precision訓練:採用單精度訓練與混合精度訓練出來的準確度都差不多，但是對於複雜的模型，採用混合精度可以節省記憶體的使用以集提升運算速度。
  • 同樣有採用基因演算法取得最佳超參數。

損失函數的設計:

• Classes Loss:用來計算分類錯誤(採用Binary Cross Entropy Loss)。
• Objectness Loss:物件是否在該Grid Cell當中(同樣採用Binary Cross Entropy Loss)。
  • 分別對大、中以及小物件進行加權值計算loss:
    
  • 權重固定: 大、中以及小物件分別為4、1以及0.4。
• Location Loss: 計算物件的位置(C-IOU)。

求座標的方式:

• YOLOv2、YOLOv3、YOLOv4:

  

  

  

  

• YOLOv5:

  • 中心點座標偏移量由(0,1)轉換至(-0.5,1.5)，使偏移量比較容易得到0或是1的值。
  • 原先的w，h求法有缺陷，因為該值會有無限大的狀況發生，會使梯度無法收斂。

  

  

  

  

實驗結果

• 跟YOLOv4訓練速度相比。
  

• 驗證結果
  

• 模型的大小
  

• Inference所花費的時間
  

文章使用之圖片擷取自YOLOv5官方網站

參考文獻

1. YOLOv5的AutoAnchor如何實現
2. 混合精度對訓練產生的影響
3. YOLOv5 NMS改成DIOU-NMS