YOLO算法入门指南：从原理到实践的关键解析

1次阅读

没有评论

共计 1847 个字符，预计需要花费 5 分钟才能阅读完成。

在 YOLO 出现之前，主流的目标检测方法（如 R -CNN 系列）通常采用多阶段流程：

生成候选区域（Selective Search 等）
对每个区域进行特征提取
分类和回归

这种方法存在明显缺陷：

计算冗余（相同区域被多次处理）
速度慢（无法满足实时需求）
流程复杂（需要多个独立模块）

YOLO（You Only Look Once）的核心思想是将目标检测转化为单阶段回归问题：

将图像划分为 S×S 网格
每个网格预测 B 个边界框及其置信度
同时预测类别概率

这种设计带来了显著优势：

端到端训练
推理速度快（可达 45FPS）
全局上下文感知

24 层卷积 + 2 层全连接
输入 448×448
7×7 网格，每个网格预测 2 个边界框

Darknet-53 主干网络
多尺度预测（3 种尺度）
使用 Anchor boxes
更优的损失函数

更灵活的架构（s/m/l/ x 变体）
自适应 Anchor 计算
改进的数据增强
更快的训练速度

# Darknet-53 残差块
class ResidualBlock(nn.Module):
    def __init__(self, in_channels):
        super().__init__()
        self.conv1 = nn.Conv2d(in_channels, in_channels//2, 1)
        self.conv2 = nn.Conv2d(in_channels//2, in_channels, 3, padding=1)
        self.bn = nn.BatchNorm2d(in_channels)
        self.leaky = nn.LeakyReLU(0.1)

    def forward(self, x):
        residual = x
        out = self.leaky(self.bn(self.conv1(x)))
        out = self.leaky(self.bn(self.conv2(out)))
        out += residual
        return out

# 多尺度预测头
class YOLOLayer(nn.Module):
    def __init__(self, anchors, num_classes):
        super().__init__()
        self.anchors = anchors
        self.num_anchors = len(anchors)
        self.num_classes = num_classes

    def forward(self, x):
        # x shape: [batch, anchors*(5+num_classes), grid, grid]
        batch_size = x.size(0)
        grid_size = x.size(2)

        # 调整维度顺序
        x = x.view(batch_size, self.num_anchors, 5+self.num_classes, grid_size, grid_size)
        x = x.permute(0,1,3,4,2).contiguous()

        # 解码预测结果
        x[..., 0:2] = torch.sigmoid(x[..., 0:2])  # 中心点坐标
        x[..., 4:5] = torch.sigmoid(x[..., 4:5])  # 置信度
        x[..., 5:] = torch.sigmoid(x[..., 5:])    # 类别概率

        return x

解决方案 ：