yolov5做毕设的难点

发布网友发布时间：2023-06-02 08:16

共1个回答

热心网友时间：2023-11-21 15:25

yolov5做毕设的难点如下：

yolo容易漏检，但ssd不容易。
YOLO虽然能够达到实时的效果，但是其mAP与刚面提到的的结果有很大的差距，每个网格只预测一个物体，容易造成漏检。

针对YOLO中的这些不足，该论文提出的方法SSD在这两方面都有所改进，同时兼顾了mAP和实时性的要求。在满足实时性的条件下，接近stateofart的结果。

网上关于用v5训练自己数据集的教程还是比较多的。v5的代码用起来很方便，模块化了的。
难的是需要搞清楚v5的原理以及如何将最新的一些算法加入到v5，针对性地提高自己训练集的效果。如果你够厉害的话也可以针对v5的一个板块提出自己新的算法，比如改进CIOU之类的。

文献综述好好写，论文格式好好弄。

主要是因为yolo本身的思想已经很成熟了，在这个框架下的确很难做出些通用性的创新和提升。至于把各种成熟的模块塞进去*文，这种仁者见仁智者见智吧。个人感觉还是结合某个方向改进yolo，会有方向一些。毕竟不同的数据集和尺度上，同样的改进有时候效果也是不同的。

Yolov5 目标检测的损失函数由三部分组成，分别是矩形框预测损失函数、置信度预测损失函数以及类别预测损失函数，在上节中分析了目标检测损失函数GIoU 的缺陷及其改进，使用 CIoU 以及带有调节因子的二元交叉熵函数替代原网络的损失函数。