万物·炼器 | 从零打造工业级旋转目标检测网络 —— 写在前面的话

江润舟
4 阅读7分钟

写在前面的话

万物·炼器 | 从零打造工业级旋转目标检测网络 —— 借鉴 YOLO11 OBB 的设计之道

一个面向卷积神经网络与目标检测初学者的“从零手搓”系列。
不满足于会调用YOLO，而是希望把一个现代目标检测模型真正拆开、看懂、写出来，并最终学会根据自己的任务需要去修改它。
YOLO11 OBB 是本系列后期用于深入理解目标检测的一张参考蓝图，但这个系列并不是只为“旋转目标检测”而写。


《万物·炼器》 是一个围绕 卷积神经网络与目标检测 展开的系列学习项目。

项目包含：

  • 系列技术文章；
  • 与文章同步的实验代码；
  • 从简单网络到完整检测器的逐步实现；
  • 对 YOLO11 OBB 关键结构与设计思想的分析；
  • 从普通目标检测进一步走向 OBB 旋转目标检测的完整扩展过程；
  • 学习过程中形成的实验、验证与调试记录。

旋转目标检测（OBB）会在后面的内容中占据重要位置，但它更像是这个系列最终选择的一条“进阶实战路线”，而不是整个系列唯一的主题。

系列文章中的卷积、反向传播、Backbone、FPN、多尺度特征、检测头、标签分配、Loss 等内容，本质上都属于通用的卷积神经网络与目标检测知识。

这个系列不会一上来就告诉你：

model = YOLO(...)
model.train(...)

然后模型就跑起来了。

我们更希望把这些看似“黑盒”的东西一层一层拆开。

例如：

  • 一层卷积到底做了什么？
  • 卷积核里的参数是怎么学出来的？
  • Loss 为什么能够让几十层之前的参数发生变化？
  • Backbone、Neck、Head 分别负责什么？
  • 为什么目标检测需要多尺度特征？
  • FPN 为什么要做上采样和特征融合？
  • 为什么成熟网络不是简单地不断堆叠 Conv2d？
  • Bottleneck、C2f、C3k2、SPPF 为什么这样设计？
  • DFL 到底在预测什么？
  • TAL 为什么能够决定哪些预测点应该成为正样本？
  • ProbIoU 为什么适合旋转框？
  • 普通目标检测又是怎样一步一步变成 OBB 旋转目标检测的？

最终，希望我们不仅能够“使用一个 YOLO 模型”，而是真正知道：

一个现代目标检测网络究竟是怎样炼成的。

1. 为什么会有这个系列？

最初写这些文章，其实并不是为了写教程，而是为了学习。

在学习卷积神经网络和目标检测的过程中，我经常遇到一个问题：

很多东西看资料的时候似乎“看懂了”。

但是如果合上资料，重新问自己：

为什么要这样设计？

或者：

如果不用现成框架，让我自己写出来，我会不会？

很多时候就抓瞎了。于是我开始尝试费曼学习法：

把自己当成老师，把文章写给一个几乎不了解人工智能的人看。

如果一个知识点不能用简单、清楚的话解释出来，那么很可能还没有真正理解它。

所以这个系列有一个很朴素的目标：

尽量把目标检测中的复杂概念，写成一个有 Python 基础、但几乎没有人工智能背景的人，也能够一步一步看懂的内容。

某种意义上，这些文章首先是写给我自己的学习笔记。

如果它们也能够帮助其他正在学习目标检测的人少走一些弯路，那就更有意义了。

2. 这个系列有什么特点？

(1) 尽可能从零开始

默认读者：

  • 会一些 Python；
  • 知道什么是类和函数；
  • 能看懂基本 PyTorch 代码；

但不要求已经系统学习过深度学习。一些经常被教程一笔带过的内容，也会尽量重新解释。例如：

  • Tensor 到底是什么；
  • 卷积层的参数从哪里来；
  • 一个神经元怎样计算；
  • 特征图是什么；
  • 通道是什么；
  • 下采样是什么；
  • 计算图是什么；
  • 梯度是什么；
  • loss.backward() 到底发生了什么。

(2) 不满足于“会调用”

很多教程最终会变成：

model = YOLO(...)
model.train(...)

这样当然方便。但这个系列更感兴趣的是：

这些代码背后到底发生了什么？以及我想要改代码的话该怎么改？

因此会自己实现大量核心模块，并通过：

  • Tensor Shape；
  • Forward；
  • Backward；
  • 梯度；
  • Loss；
  • 中间输出；
  • 实验结果；

去验证自己的理解。

(3) 尽量说人话

数学公式无法完全避免。但如果能够先用直觉解释清楚，就不会急着堆公式。

一个公式真正出现之前，我们会尽量先回答：

它到底想干什么？

然后再去理解公式里的符号。

(4) 文章和代码一起推进

这里的代码不是单独准备的一堆 Demo，文章讲到哪里，代码就尽量实现到哪里。

整个项目更像是一个模型不断升级的过程：

能跑
  ↓
能检测
  ↓
能多尺度检测
  ↓
结构更加稳定
  ↓
更加接近成熟检测器
  ↓
支持 OBB
  ↓
能够训练和推理
  ↓
能够针对实际任务继续修改

3. 适合哪些读者？

这个系列主要写给：

  • 会一些 Python，但刚开始学习人工智能的人；
  • 正在学习 PyTorch 的同学；
  • 第一次接触目标检测的读者；
  • 会使用 YOLO，但不知道 YOLO 内部发生了什么的人；
  • 会训练 YOLO，但不知道如何修改网络的人；
  • 看过很多目标检测教程，却始终觉得知识比较零散的人；
  • 想系统理解 Backbone、Neck、Head、Loss 等模块的人；
  • 想系统学习目标检测的人；
  • 想学习如何阅读深度学习框架源码的人；
  • 想根据自己的实际任务修改 YOLO 的工程人员或学生。

如果你已经能够熟练实现检测器、阅读大型深度学习框架源码，那么前面的内容可能会比较基础。 不过后面的 OBB、DFL、TAL、ProbIoU、Loss 和完整检测流程，仍然可以作为一套系统化的实现笔记。

4. 关于 AI

这个项目是在 AI 辅助下完成的。

AI 参与了包括但不限于：

  • 技术资料整理；
  • 源码辅助分析；
  • 概念讨论；
  • 文章结构优化；
  • 表达方式修改；
  • 代码检查；
  • 实验思路讨论；
  • Bug 排查；
  • 技术问题交叉验证。

但这里并不是简单地让 AI：

“生成一篇目标检测教程。”

AI 更像一个随时可以讨论问题的：

学习伙伴 + 代码审阅助手 + 技术讨论对象。

5. License

本项目中的原创文章、代码、图片、示意图及其他原创内容，其著作权归作者所有。

公开访问并不代表授予复制、转载、修改、分发或使用许可。

在未获得作者明确授权的情况下，不得以任何形式：

  • 转载、复制或大段摘录本项目中的文章；
  • 修改、整理后再次发布本项目内容；
  • 将本项目文章、代码、图片或其他内容用于其他网站、公众号、课程、出版物或知识付费内容；
  • 将本项目代码全部或部分用于其他项目、产品或商业应用；
  • 对本项目内容进行二次分发、二次开发或重新包装发布；
  • 以其他方式使用本项目中的原创内容。

如需转载、引用、修改、二次开发、项目使用或商业使用，请提前联系作者并取得明确授权。

个人可以在线阅读本项目内容，用于个人学习和研究；正常的少量引用应注明出处及本项目来源。

未经授权，请勿转载、复制、修改、分发或用于其他项目。

avatar
文章
阅读
粉丝