YOLO 模型学习和优化方法（Datawhale X AI夏令营）

夕阳落在朝霞上
231 阅读5分钟

YOLO 模型介绍

‌‌‌‌　　物体检测是计算机视觉领域的一个重要任务，它的目标是在图像或视频帧中识别和定位感兴趣的物体。物体检测算法不仅要识别图像中的对象属于哪个类别，还要确定它们在图像中的具体位置，通常以边界框（bounding box）的形式表示。以下是物体检测的一些关键概念和步骤：

  1. 输入：物体检测算法的输入通常是一张图像或视频帧。
  2. 特征提取：算法使用深度学习模型（如卷积神经网络CNN）来提取图像的特征。这些特征捕捉了图像中的视觉信息，为后续的物体识别和定位提供基础。
  3. 候选区域生成：在某些检测算法中，首先需要生成图像中的候选区域，这些区域可能包含感兴趣的物体。
  4. 区域分类和边界框回归：对于每个候选区域，算法需要判断它是否包含特定类别的物体，并预测物体的边界框。这通常涉及到分类任务和回归任务的结合。
  5. 非极大值抑制（NMS）：在检测过程中，可能会产生多个重叠的边界框，用于表示同一物体。NMS是一种常用的技术，用于选择最佳的边界框并去除多余的框。

‌‌‌‌　　物体检测算法主要分为两类：One-Stage（一阶段）和Two-Stage（两阶段）模型。

  • One-Stage模型，如YOLO（You Only Look Once）和SSD（Single Shot Detection），直接在单次网络评估中预测图像中所有物体的类别和位置信息。适合实时场景，比如对速度有较高要求，如视频流处理或实时监控。
  • Two-Stage模型，如Faster R-CNN，①首先使用区域提议网络（Region Proposal Network, RPN）生成候选区域，②然后对这些区域进行分类和边界框的精细调整。这种方法的优点是精度高，但速度相对较慢 。如果对精度有更高要求，如在需要高精度识别的科研或专业领域。

‌‌‌‌　　YOLO的核心思想是将目标检测任务视为一个单一的回归问题，直接从图像像素到边界框坐标和类别概率的映射。这种设计使得YOLO能够以非常快的速度进行目标检测，同时保持较高的精度，特别适合需要实时处理的应用场景。

  1. YOLO算法在单个网络评估中同时预测多个边界框和类别概率，而不是像传统的滑动窗口方法那样多次评估。
  2. YOLO为每个边界框预测一个置信度，这个置信度反映了边界框包含目标的概率以及预测的类别。置信度的计算公式是：Pr(Object) * IOU(pred, truth)，其中Pr(Object)表示格子中存在目标的概率，IOU(pred, truth)表示预测框和真实框的交并比。 ‌‌‌‌　　YOLO系列已经经历了多次迭代，每一次迭代都在速度、准确性和计算效率方面做出了显著的贡献。不同版本模型的精度和延迟如下图所示。 image.png

YOLO 数据集格式

‌‌‌‌　　YOLO算法的标注格式主要使用.txt文件来存储图像中物体的标注信息。每个图像都有一个对应的.txt文件，文件中的每行表示一个物体的标注，包括物体的类别索引和边界框（bounding box）的坐标。

class x_center y _center width height

数据路径配置文件：

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../dataset/  # dataset root dir
train: images/train/  # train images (relative to 'path') 128 images
val: images/val/  # train images (relative to 'path') 128 images

# Classes
nc: 2  # number of classes
names: ["0", '1']  # class names

YOLO 训练日志

‌‌‌‌　　在使用YOLO进行训练时，生成的exp/detect/train类型的文件夹是训练过程中的一个关键组成部分。

  • 模型权重 (.pt 或 .pth 文件): 训练过程中保存的模型权重，可以用于后续的测试或继续训练。
  • 日志文件 (.log 文件): 包含训练过程中的所有输出信息，如损失值、精度、速度等。
  • 配置文件 (.yaml 或 .cfg 文件): 训练时使用的配置文件副本，记录了数据路径、类别名、模型架构等设置。
  • 图表和可视化: 有时YOLO会生成训练过程中的性能图表，如损失曲线、精度曲线等。
  • 测试结果: 如果训练过程中包括了测试阶段，可能会有测试结果的保存，如检测结果的图片或统计数据。

提高模型精度的常用方法

‌‌‌‌　　如果想要在原有代码上提高模型思路，主要有如下操作：

  • 增加训练的数据集：增加更多的视频到训练集中进行训练。
  • 更改模型预训练权重：模型越大，需要的硬件性能越高。
  • 数据增强：增加数据集的多样性和数量。 image.png
  • 调整超参数：优化学习率、批次大小等参数。 image.png

‌‌‌‌　　YOLOv8模型的使用者提供了灵活性，允许根据特定应用场景的需求调整模型的行为和性能。例如，如果需要减少误报，可以提高conf阈值；如果需要提高模型的执行速度，可以在支持的硬件上使用half精度；如果需要处理视频数据并希望加快处理速度，可以调整vid_stride来跳过某些帧。这些参数的适当配置对于优化模型的预测性能至关重要。 image.png

avatar
文章
阅读
粉丝