Yolov5：沒有分割的圖像檢測？

Question

我讀過很多關於 Yolov5 圖像檢測技術的論文。 但是這些論文沒有提到 Yolov5 所做的任何分割步驟。 雖然我知道沒有分割過程就不可能進行圖像分類，但我要問以下問題：Yolov5 是否會執行任何分割步驟來檢測圖像？ 如果是，它使用哪種分割算法？

Answer 1

分割主要使用全卷積網絡（FCN）架構。 FCN 是一個沒有全連接層（FC）的 CNN。 分割可以被認為是一個編碼器，然后是一個解碼器。 這里的編碼器和解碼器是FCN。

使用 CNN 進行分類是一組卷積層（提取輸入圖像的高級特征），然后是一個或多個全連接 (FC) 層或密集層。最后一個密集/FC 層將輸入圖像分類為各種類別。

YOLO是一種基於CNN架構的基於回歸的object檢測算法。在YOLO中，圖像被分割或分割成S*S個網格單元。每個網格單元只預測一個object，這意味着一個單元試圖預測一個ZA8CFDE6331BD59EB2AC96F8911單元內。 對於每個網格單元 CNN 預測

• B個bounding box(x,y,w,h)。(x,y)是一個bounding box相對於cell位置的中心。同時計算每個預測bounding box的confidence score。每個bounding box的confidence score是預測邊界框和真實邊界框的 IOU。置信度分數表示邊界框包含 object 的可能性
• 每個網格單元的 C 條件 class 概率（每類一個）。 有條件的 class 概率是指檢測到的對象屬於 class 的概率。

CNN的預測/輸出的形狀將是（S，S，（B * 5 + C））； 數字 5 代表邊界框的 x_center,y_center,width,height 及其置信度分數

如果將圖像划分為 7 * 7 個網格單元，每個單元預測 2 個邊界框，並且總類數為 3，則 CNN output 的形狀將為 (7,7,13)

資源