1. Yolo简介

Yolo, you only look once的简称, 我想作者是想借这个名字表达"这个网络识别速度很快, 看一眼的时间就足够他识别"(纯属瞎扯)
实际上Yolo也是一个卷积神经网络,如下图:(图片来源于网络)

不同与minst网络, Yolo最后输出一个张量(n*n*m)表示图片中各个物体的大小,种类,位置 这些关系,而不是想minst输出一个向量(1*n) 表示图中出现物体的种类, 所以yolo无论是网络大小,还是功能,都远多于minst.
重点说一下最终的张量(n*n*m):
n*n: 许多网站上将它解释为,将输入图片分割为你n*n个小区域, 这话不错却也造成了许多误解; ①输入Yolo时并不需要将图像分割, 由N*N*3的图片 直接卷积得到(n*n*m);②n*n中每一格代表原图中的一块区域, 看看上图CNN的原理就会懂, 卷积过程中张量的长宽不断减小, 从最后一层倒着看向第一层, 就会发现, 最后一层的一格,代表第一层一个区域.
m=(类个数+5)*3: ①首先该网络需要完成分类, 目前大部分分类都采用类似方法: 分n个类,则输出n个数,表示该物体是:第一类的概率,第二类的概率.....第n类的概率 哪一个概率最大我们便认为该物体属于这一类,因此始终有"类个数"; ② +5表示框, 如下图, Yolo的结果是输出一堆框, 每个框都必须由四个变量表示, 在此Yolo选择了x,y,w,h这四个变量,第五个变量表示置信度, 待会再说; ③*3, 每个小区域内可能存在多个目标物体,因此一个小区域内预测三个框,但 从结果可以看出, 并不是每一个区域内都有三个框, 这就是置信度的作用, 表示该框准确框到物体的概率, 借此筛掉多余的框.
其实并没有筛完, 所以Yolo后常跟随NMS(非极大值抑制). 至于如何通过卷积得到最后这个张量(n*n*m), 不同的版本有不同的卷积方式, 在此不做赘述

2. Yolo 5 网络结构

Yolo5没有想Yolo3一样将网络结构保存为cfg文件, 而是保存为yaml文件, 导致我一开始也没看懂, 但只要找到yaml文件的读取方式,马上就可以知道网络结构了

之后我找到了读取yaml文件的程序 models/yolo.py中的Model类.
from代表输入层, -1即上一层输出通道数
number暂时没能理解,只知道它用于控制BottleneckCSP层中的通道数
args代表,输出通道数, kernel_size, stride
module代表网络层类型, 大致由以下几种:

可见他们都是由简单网络层组成的, 所以整个yolo5s, 共有191层网络, 具体网络可以自己根据yaml文件画一画, 我就偷个懒,不在此显示了

3. 修改网络

Yolo每一个官方版本都是分80个类(咱也不知道为啥是80, 咱也不敢问), 但是往往在我们自己训练的时候不是80类, 所以第一步, 便是修改类个数 ①打开yolo5s.yaml将nc(number of classes)改为类个数, 仅此而已, Yolo3还需要根据类个数自己计算网络输出的通道数
别人在训练的时候可能有很强的GPU, 但我没有, 于是②只能减小batch_size, 最终减到6, 勉强可以运行.
③修改图片路径, 将自己的图片路径写入coco.yaml文件中, 并保证程序可以正确读取
最后便是等待结果, 同时可以享受一份RTX煎蛋(电脑是真的烫)

结果也很不错, 满意