開源

自從yolov5開源以來，(不管因為啥原因算是)深受矚目，最近我用tensorflow實現了其主要部分。就孤陋的我看來，是第一個純正的tensorfow2版本，歡迎try and star：
https://github.com/LongxingTan/Yolov5
?

之前在工作中接觸過yolov3(跑過demo應該就算接觸過了)，效果驚艷。我在視覺領域只是個新人(悲傷的是我一個中年人卻在哪兒哪兒都TM是新人)，能力有限，疏漏難免。從頭開始實現，對我來說是一次不錯的經歷，遇到和解決了一些細節問題。

如readme中所指出的，主要特點如下：

• 純tensorflow2的實現
• 用yaml文件來配置模型和控制模型大小
• 支持自定義數據訓練
• 馬賽克數據增強
• 通過iou或長寬比匹配anchor
• 相鄰正樣本增強
• 支持多GPU訓練
• 相對詳細的代碼注釋
• 缺點多，提升空間巨大

原理

結合代碼簡單回顧一下其主要原理和改進。當然知乎上已經有不少非常不錯的解析文章可以參考，尤其是下面列舉的。當然，如有可能，讀代碼應該是更清晰、細節的了。

• https://zhuanlan.zhihu.com/p/172121380
• https://zhuanlan.zhihu.com/p/183838757
• https://mp.weixin.qq.com/s/yXcoRK6btznOdxMjAncIlQ

損失函數部分，還沒有完全和v5的設置一樣。v5中做了一些優化，如不同scale的平衡，如目標confidence損失的權重等。

效果

如果想要效果最佳，還是推薦原版pytorch，畢竟一直在更新中，v4和v5的作者也一直還在發力優化。如果對tensorflow有謎之愛好，或者想通過代碼了解yolov5，我覺得我的版本寫的更清楚一些（與之相應的代價是可能有細節遺漏甚至不對的地方），總之歡迎大家嘗試。
在MNIST檢測數據上的效果：

在voc2012數據集上的效果(效果還有待加強)：

再大的數據集我就跑不動啦，畢竟只有1080Ti可用。

聯系方式

公眾號搜索：YueTan

總結

以上是生活随笔為你收集整理的YoloV5的原理与实现-开源TensorFlow版的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。