1. 资料：

https://docs.ultralytics.com/zh#yolo-a-brief-history

https://github.com/ultralytics/ultralytics

https://docs.ultralytics.com/

yolov1: https://arxiv.org/abs/1506.02640

yolov2:https://arxiv.org/abs/1612.08242

yolov3: https://arxiv.org/abs/1804.02767

yolov7:https://arxiv.org/abs/2207.02696

2. 一些知识

2.1 四种图像处理

2.1.1 Detect

检测，主要是检测出图像中的一些特征，将将其框出来

2.1.2 Segment

分割，是用于将图像中不同类型抠出来。主要用于抠图，需要能分离出边界

2.1.3 Classify

分类，是针对整张图片。

2.1.4 Pose

姿态估计

• 任务描述: 姿态估计是指识别图像中特定物体的关键点 (Keypoints) 的位置，并估计其姿态。
• 输出: 模型输出一组关键点坐标，每个关键点对应于物体上的一个特定部位。
• 示例:
  • 人体姿态估计: 识别图像中人体的关键点，例如头部、肩膀、肘部、手腕、膝盖、脚踝等。
  • 物体姿态估计: 识别图像中物体的关键点，例如汽车的四个角、椅子的四个腿等。

2.1.5 obb

• 任务描述: OBB 是一种用于描述物体方向的边界框。 与传统的矩形边界框 (Axis-Aligned Bounding Box, AABB) 不同，OBB 可以旋转，从而更准确地包围具有任意方向的物体。

• 输出: 模型输出 OBB 的参数，通常包括中心坐标 (x, y)、宽度 (w)、高度 (h) 和旋转角度 (θ)。

• 应用场景:

  • 遥感图像: 检测建筑物、车辆等具有任意方向的物体。
  • 文本检测: 检测倾斜的文本行。
  • 工业检测: 检测表面缺陷、零件等。

• 常见模型: 基于 YOLO 或 Faster R-CNN 的 OBB 检测模型。

2.2 训练指标

2.2.1 IOU

IoU 是 "Intersection over Union" 的缩写，中文译为 交并比，它是一种用于评估目标检测任务中，预测边界框 (predicted bounding box) 和真实边界框 (ground truth bounding box) 之间重叠程度的指标

IoU 的计算公式非常简单：

TEXT

IoU = (预测边界框 ∩ 真实边界框) / (预测边界框 ∪ 真实边界框)

2.2.2 map

我来详细解释 mAP (mean Average Precision) 的计算方法

AP 是针对单个类别计算的指标

2.2.3 TP

正确的预测

给了框，框的位置对

2.2.4 FP

错误的预测

给了框，但是框的位置不对

2.2.5 TN

正确的反例

应该没框，ai也没识别出框

2.2.6 FN

错误的反例

应该有框，但是没有预测出框

2.2.7 Precision (精确率):

2.2.8 Recall (召回率)

表示所有实际为正例的样本中，被模型正确预测为正例的比例。

• Recall = TP / (TP + FN)

2.2.9 map

1. 绘制 Precision-Recall 曲线：
   • 将模型的预测结果按照置信度 (Confidence Score) 从高到低排序。
   • 依次将每个预测结果作为阈值，计算对应的 Precision 和 Recall。
   • 以 Recall 为横坐标，Precision 为纵坐标，绘制 Precision-Recall 曲线。

计算 AP：

• AP 是 Precision-Recall 曲线下的面积。

1. Mean Average Precision (mAP) 的计算：

mAP 是针对多个类别计算的指标，它是所有类别的 AP 值的平均值。 计算 mAP 的步骤如下：

1. 计算每个类别的 AP：

   • 按照上述方法，计算每个类别的 AP 值。

2. 计算 mAP：

   • 将所有类别的 AP 值求平均，得到 mAP。
   • mAP = (AP<sub>1</sub> + AP<sub>2</sub> + ... + AP<sub>N</sub>) / N

2.3 yolo训练的参数

https://docs.ultralytics.com/modes/train/#resuming-interrupted-trainings

3. yoLov1

1. vides the input image into an S × S grid,If the center of an object falls into a grid cell, that grid cell

is responsible for detecting that objec

1. Each grid cell predicts B bounding boxes and confidence

scores for those boxes

1. These confidence scores reflect how

confident the model is that the box contains an object and

also how accurate it thinks the box is that it predicts. For-

mally we define confidence as Pr(Object) ∗ IOU

1. Each bounding box consists of 5 predictions: x, y, w, h,

and confidence

4. yolo源码

模型结构位置

cfg/models/11

5. 工具相关

5.1 查看模型

https://github.com/lutzroeder/netron

6.