Yolov5：没有分割的图像检测？

Question

我读过很多关于 Yolov5 图像检测技术的论文。 但是这些论文没有提到 Yolov5 所做的任何分割步骤。 虽然我知道没有分割过程就不可能进行图像分类，但我要问以下问题：Yolov5 是否会执行任何分割步骤来检测图像？ 如果是，它使用哪种分割算法？

Answer 1

分割主要使用全卷积网络（FCN）架构。 FCN 是一个没有全连接层（FC）的 CNN。 分割可以被认为是一个编码器，然后是一个解码器。 这里的编码器和解码器是FCN。

使用 CNN 进行分类是一组卷积层（提取输入图像的高级特征），然后是一个或多个全连接 (FC) 层或密集层。最后一个密集/FC 层将输入图像分类为各种类别。

YOLO是一种基于CNN架构的基于回归的object检测算法。在YOLO中，图像被分割或分割成S*S个网格单元。每个网格单元只预测一个object，这意味着一个单元试图预测一个ZA8CFDE6331BD59EB2AC96F8911单元内。 对于每个网格单元 CNN 预测

• B个bounding box(x,y,w,h)。(x,y)是一个bounding box相对于cell位置的中心。同时计算每个预测bounding box的confidence score。每个bounding box的confidence score是预测边界框和真实边界框的 IOU。置信度分数表示边界框包含 object 的可能性
• 每个网格单元的 C 条件 class 概率（每类一个）。 有条件的 class 概率是指检测到的对象属于 class 的概率。

CNN的预测/输出的形状将是（S，S，（B * 5 + C））； 数字 5 代表边界框的 x_center,y_center,width,height 及其置信度分数

如果将图像划分为 7 * 7 个网格单元，每个单元预测 2 个边界框，并且总类数为 3，则 CNN output 的形状将为 (7,7,13)

资源