yolov2_v3_lite_fastest

yolov2、yolov3、yoloLite、yoloFastest detection and training

1. 自定义网络层

(1) data_process 包：训练之前数据的预处理、损失函数的计算(一个 batch)等。

(2) layer 包：神经网络的不同层，yolo、maxpool、conv 包括前向与反向，其他暂时只有前向。

(3) cfg 目录：网络配置文件*.cfg，训练得到的权重文件*.weights，目标对象名称文件等。

(4) images：检测的图像。

(5) load_net.m：通过 cfg 加载网络。

(6) my_network.m：串联所有层的网络。

(7) yolo_detection.m：目标检测。

(8) yolo_train.m：网络训练。

2. Matlab算子的检测与训练

(1) train_pack 包：包括神经网络的各层，加载网络与权重(适配 Matlab 深度学习算子)，检测与训练处理等。

 loadNet_matlab.m: 通过 cfg 文件、weights 文件加载网络(适配 Maltab 算子)。包括两种方式：

  1.fun(cfg_file, weight_file)，适用于训练与检测。训练时 weight_file为主干网络预训练权重，检测时 weight_file 为某个网络训练好的权重;

  2.fun(cfg_file)只适用训练时，没有加载预训练权重，通过自定义权重初始化。

 yoloDetection.m: 通过 gpu 检测一个目录下的所有图像。其中包括非极大值抑制等。

 yoloTrain.m: 通过 gpu 做训练。其中包括损失函数计算，反向传播及梯度更新等。

(2) gpu_detection: 使用 GPU 做检测的入口。

(3) gpu_train: 使用 GPU 做训练的入口。

3. 检测效果

3.1 yolov2-tiny

3.2 yolov2

3.3 yolov3-tiny

3.4 yolov3

3.5 yolo-fastest

3.6 yolo-lite

3.7 yolov4-tiny(GPU)

3.8 yolov4(GPU)

yolo系列网络结构图https://blog.csdn.net/YMilton/article/details/120268832