粉丝3.5万获赞3.4万

ulo 算法是目标检测领域用的最多的一种算法,从二零一五年的 ulo v 一到二零二三年的 ulo v 八,开启了一场内卷之旅。那我们今天就来说一说 ulo v 八和 ulo v 五有哪些区别。 d ulo v 五是 nk bast 机制,需要预先设置 nk 的大小,一个真实框可以被分配给多个 nk, 还有可能被分配到三个不同的检测层中的两个甚至三个检测层。 而优罗 v 八是恩克福瑞的机制,是通过 assigner 去对齐真实括和预测括。 二是 head 部分, ulov 五采用 capple head, 而 ulov 八采用 decapple head, 使得位置回归和分类单独进行,进一步提升了效果。三是 backup 和耐克部分, ulov 五采用的 csp 结构。二 ulov 八采用的 c tof 结构,有着更多的残差连接,所以具有更丰富的剔透流。四是 lose 损失方面, ulov 五包含三个 lose, 分别为分类损失、自信度损失和回归损失。 前两个损失是使用 b c e los, 而回归损失使用的 c i o u los。 而优罗 v 八的 los 计算值包括两个分支,分别是分类损失和回归损失。其中分类损失仍然是采用优罗威武的 b c e los。 二、回归损失分别是 c i o ulos 和 distribution focal los。 五是训练过程, ulov 五训练三百个 epok, 而 ulov 八提升到五百个 epolk。 在数据增强上, ulov 八在最后十轮训练中将某 sign 替换为推理式的 letter box。



今天我们来学习一下 rolo 八的训练和钓友训练,不需要安装任何软件和环境,打开 rolo 综合工具,上一节课我们已经标注完毕了该项目的所有图片。 点击训练栏,工具提供了 v 三、 v 四以及 v 八的训练功能。 v 八训练需要选择,我们训练的环境包现在是空白的,打开 v 八环境目录,将环境包直接解压进去即可。 这里提供了三个环境包,每个环境包大概有三 g, 因为体积大,故未将环境包与软件打包在一起。 切换一下选项,刷新显示, 直接点击开始训练。训练报错了,原因是力巴训练路径需要全英文, 点击项目更名,更改项目名称为英文名字, 重新点击开始训练。 训练框停在此处无法继续,那么我们更换一个环境宝, 训练成功了,接下来我们耐心等待即可。 训练了五十次,耗时两分钟, 下面我们测试一下 b 八模型的效果, 可以看到能够准确识别出目标。 我们测试一下直接识别视频,将视频画面抓图进工具中,可以看到方式一为黑屏抓取失败使用方式二可以抓取进工具中, 点击开始识别。 我们再试一下直接在视频画面上识别 v 八模型,只训练了两分钟即可准确识别目标。 来来来来, 下面演示如何使用代码来调用模型进行识别。首先将模型提取出来,方便代码调用。 点击提取模型, 将 name 模型和 p t 模型复制出来备用, 两个模型均可变死是最好的模型, last 是最后的模型。 代码识别需要调用模块准备好, roof 八模块 准备好,我们要测试识别的图片。 打开异语言,开始写代码来调用模型识别。 首先加载模块, 模块我已经写好了,集合了类似 cpu, gpu 分类识别以及力巴的识别 创建程序及变量。 role of 八类, ulon 八初始化, 填入我们所需要的环境包路径, 其余两个参数可以 不甜。 加载模型, 填入模型文件的路径 识别,模型加载后会返回一个编号,我们可以同时加载多个模型, 任何时候你想用哪个模型识别,就填那个模型对应的缩影编号就行了。 读入我们要 识别的图片, 识别到的结果将会返回到这个参数之中。 开始运行代码, 点击按钮可以看到调试输出已经识别到了结果。 我们把模型路径改成中文,看有没有影响。 没有影响, 下面演示一下如何继续训练, 直接点击继续训练即可, 这样我们就可以随时关闭训练和继续训练了, 这些都是训练生成的文件,边训练边验证识别效果。
