一、簡介

YOLO-v2-tiny是基于YOLO(You Only Look Once)實時目標檢測算法的輕量級版本，專門為嵌入式設備和資源受限環境優化。本模型能夠檢測20種常見物體類別，在保持較高檢測精度的同時大幅減少了計算量和模型大小。
20種物體檢測模型， 使用 YOLO v2 tiny 網絡， 具體的20種類別看詳情介紹

20 個物體類別：

aeroplane, bicycle, bird, boat, bottle, bus, car, cat, chair, cow,
diningtable, dog, horse, motorbike, person, pottedplant, sheep, sofa, train, tvmonitor

二、使用方法

下載模型后得到三個文件: .py 示例腳本， .smodel模型文件，labels.txt文件

只需要py 示例腳本， .smodel模型文件，將模型下載到 0x800000（因為示例代碼中讀取模型位置為 0x800000）

或者放到SD卡里

開機運行效果

三、技術參數

• 輸入分辨率：224×224或320×240(QVGA)

• 錨點(anchors)參數：(1.08,1.19,3.42,4.41,6.63,11.38,9.42,5.11,16.62,10.52)

• 置信度閾值：0.5

• 非極大值抑制(NMS)閾值：0.3

1. 錨框（Anchor Boxes）在YOLO算法中的作用：

• 錨框是預定義的一組邊界框模板，用于預測目標物體的位置和尺寸

• 網絡不是直接預測絕對坐標，而是預測相對于錨框的偏移量

• 合適的錨框尺寸可以加速訓練并提高檢測精度

2. 為什么是10個參數？

• 每個錨框需要2個參數（寬度w和高度h）

• 示例代碼中使用了5個錨框，因此需要 5錨框 × 2參數 = 10個數值
  對應的錨點參數為：

anchor = (w1, h1, w2, h2, w3, h3, w4, h4, w5, h5)

3. 錨框數量的選擇

• 5個錨框是YOLOv2/v3常用的配置（尤其是對于人臉檢測這類相對單一的目標）

• 錨框的尺寸是通過K-means聚類在訓練數據集上統計得到的：

  • 對訓練集中所有真實框（Ground Truth）的寬高進行聚類

  • 選擇5個最具代表性的寬高組合作為錨框

4. 代碼中的具體錨點參數

anchor = (1.889, 2.5245, 2.9465, 3.94056, 3.99987, 5.3658, 5.155437, 6.92275, 6.718375, 9.01025)

解析：

• 實際表示5個錨框的寬高：

[(1.889,2.5245), (2.9465,3.94056), (3.99987,5.3658), (5.155437,6.92275), (6.718375,9.01025)]

• 這些值是通過在人臉數據集上聚類得到的，適合檢測不同比例的人臉。

5. 為什么需要多個錨框？

• 覆蓋不同比例的人臉：

  • 近距離人臉（大錨框）

  • 遠距離人臉（小錨框）

• 適應不同長寬比：

  • 正臉（接近正方形）

  • 側臉（可能更寬或更窄）

6. 理解YOLO中的NMS閾值調整

非極大值抑制(Non-Maximum Suppression, NMS)是目標檢測中用于消除冗余檢測框的關鍵后處理步驟。NMS閾值的調整直接影響模型的檢測結果，下面我將詳細解釋NMS閾值(0.3-0.5)的含義和調整策略。

• 6.1. NMS基本原理
  NMS的工作流程：

  • 對所有檢測框按置信度(confidence score)排序

  • 選擇置信度最高的框作為保留框

  • 計算其他框與這個保留框的交并比(IoU)

  • 刪除所有IoU大于閾值的框

  • 對剩余的框重復上述過程

• 6.2. NMS閾值的含義
  NMS閾值(0.3-0.5)指的是IoU的閾值：

  • IoU(Intersection over Union): 兩個框重疊面積與并集面積的比值

  • NMS閾值就是判斷兩個框是否"過于相似"的標準

• 6.3. 不同閾值的效果

  • 6.3.1 NMS閾值=0.3(代碼默認值)

    • 效果：更嚴格，只保留不太重疊的框

    • 優點：減少重復檢測，輸出更簡潔

    • 缺點：可能漏掉實際存在的相鄰物體

    • 適用場景：物體間距較大，重疊少的情況

  • 6.3.2 NMS閾值=0.5

    • 效果：更寬松，允許更多重疊框通過

    • 優點：能檢測到靠得很近的物體

    • 缺點：可能產生多個框檢測同一物體

    • 適用場景：密集物體檢測，小物體檢測

四 、模型架構

YOLO-v2-tiny相比完整版YOLOv2做了以下簡化：

• 更少的卷積層：減少了網絡深度，降低了計算復雜度

• 更小的特征圖：減少了特征圖尺寸，提升推理速度

• 優化的錨點設計：使用5個預定義的錨點框(anchor boxes)來預測物體位置

• 提高檢測精度：降低置信度閾值(如0.3)，但會增加誤檢

• 減少誤檢：提高置信度閾值(如0.7)，但可能漏檢

• 處理重疊框：調整NMS閾值(0.3-0.5之間)

五、完整代碼

import sensor, image, lcd, time
import KPU as kpu
import gc, sysCOLOR_RED =  (255,0,0)
COLOR_GREEN = (0,255,0)
COLOR_BLUE = (0,0,255)
COLOR_WHITE = (255,255,255)def lcd_show_except(e):import uioerr_str = uio.StringIO()sys.print_exception(e, err_str)err_str = err_str.getvalue()img = image.Image(size=(224,224))img.draw_string(0, 10, err_str, scale=1, color=COLOR_RED)lcd.display(img)def main(anchors, labels = None, model_addr="/sd/m.smodel", sensor_window=(224, 224), lcd_rotation=0, sensor_hmirror=False, sensor_vflip=False):sensor.reset()sensor.set_pixformat(sensor.RGB565)sensor.set_framesize(sensor.QVGA)sensor.set_hmirror(sensor_hmirror)# `enable`: 1 表示開啟水平鏡像 0 表示關閉水平鏡像sensor.set_vflip(sensor_vflip)sensor.run(1)lcd.init(type=1)lcd.rotation(lcd_rotation)lcd.clear(lcd.WHITE)if not labels:with open('labels.txt','r') as f:exec(f.read())if not labels:print("no labels.txt")img = image.Image(size=(320, 240))img.draw_string(90, 110, "no labels.txt", color=COLOR_RED, scale=2)lcd.display(img)return 1try:img = image.Image("startup.jpg")lcd.display(img)except Exception:img = image.Image(size=(320, 240))img.draw_string(90, 110, "loading model...", color=COLOR_WHITE, scale=2)lcd.display(img)task = kpu.load(model_addr)kpu.init_yolo2(task, 0.5, 0.3, 5, anchors) ##1、task: 指定任務類型，例如是檢測還是分類。在YOLO中，通常設置為"detection"。#2、threshold: 置信度閾值，用于過濾掉低置信度的檢測結果。閾值范圍是[0,1]，值越高，則模型只會輸出置信度更高的預測結果。#3、nms_value: 非最大抑制（Non-Maximum Suppression, NMS）的閾值，用于減少重疊框的數量。NMS閾值同樣在[0,1]范圍內，值越高，則保留的框越少，重疊越小。#4、classes: 類別數量，表示模型需要識別的對象類別數。#5、anchors: 錨點（Anchors）是YOLO中用來預測邊界框的先驗框尺寸。這些尺寸是在訓練數據集上通過k-means聚類得到的。try:while 1:img = sensor.snapshot()t = time.ticks_ms()objects = kpu.run_yolo2(task, img)t = time.ticks_ms() - tif objects:for obj in objects:pos = obj.rect()img.draw_rectangle(pos)img.draw_string(pos[0], pos[1], "%s : %.2f" %(labels[obj.classid()], obj.value()), scale=2, color=COLOR_GREEN)img.draw_string(0, 200, "t:%d ms" %(t), scale=2, color=COLOR_BLUE)lcd.display(img)except Exception as e:raise efinally:kpu.deinit(task)if __name__ == "__main__":try:labels = ['aeroplane', 'bicycle', 'bird', 'boat', 'bottle', 'bus', 'car', 'cat', 'chair', 'cow', 'diningtable', 'dog', 'horse', 'motorbike', 'person', 'pottedplant', 'sheep', 'sofa', 'train', 'tvmonitor']anchors = (1.08, 1.19, 3.42, 4.41, 6.63, 11.38, 9.42, 5.11, 16.62, 10.52)main(anchors = anchors, labels=labels, model_addr="/sd/m.smodel", lcd_rotation=1, sensor_window=(224, 224))except Exception as e:sys.print_exception(e)lcd_show_except(e)finally:gc.collect()