一、简介

YOLO-v2-tiny是基于YOLO(You Only Look Once)实时目标检测算法的轻量级版本，专门为嵌入式设备和资源受限环境优化。本模型能够检测20种常见物体类别，在保持较高检测精度的同时大幅减少了计算量和模型大小。
20种物体检测模型， 使用 YOLO v2 tiny 网络， 具体的20种类别看详情介绍

20 个物体类别：

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

下载模型后得到三个文件: .py 示例脚本， .smodel模型文件，labels.txt文件

只需要py 示例脚本， .smodel模型文件，将模型下载到 0x800000（因为示例代码中读取模型位置为 0x800000）

或者放到SD卡里

开机运行效果

三、技术参数

• 输入分辨率：224×224或320×240(QVGA)

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

• 置信度阈值：0.5

• 非极大值抑制(NMS)阈值：0.3

1. 锚框（Anchor Boxes）在YOLO算法中的作用：

• 锚框是预定义的一组边界框模板，用于预测目标物体的位置和尺寸

• 网络不是直接预测绝对坐标，而是预测相对于锚框的偏移量

• 合适的锚框尺寸可以加速训练并提高检测精度

2. 为什么是10个参数？

• 每个锚框需要2个参数（宽度w和高度h）

• 示例代码中使用了5个锚框，因此需要 5锚框 × 2参数 = 10个数值
  对应的锚点参数为：

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

3. 锚框数量的选择

• 5个锚框是YOLOv2/v3常用的配置（尤其是对于人脸检测这类相对单一的目标）

• 锚框的尺寸是通过K-means聚类在训练数据集上统计得到的：

  • 对训练集中所有真实框（Ground Truth）的宽高进行聚类

  • 选择5个最具代表性的宽高组合作为锚框

4. 代码中的具体锚点参数

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

解析：

• 实际表示5个锚框的宽高：

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

• 这些值是通过在人脸数据集上聚类得到的，适合检测不同比例的人脸。

5. 为什么需要多个锚框？

• 覆盖不同比例的人脸：

  • 近距离人脸（大锚框）

  • 远距离人脸（小锚框）

• 适应不同长宽比：

  • 正脸（接近正方形）

  • 侧脸（可能更宽或更窄）

6. 理解YOLO中的NMS阈值调整

非极大值抑制(Non-Maximum Suppression, NMS)是目标检测中用于消除冗余检测框的关键后处理步骤。NMS阈值的调整直接影响模型的检测结果，下面我将详细解释NMS阈值(0.3-0.5)的含义和调整策略。

• 6.1. NMS基本原理
  NMS的工作流程：

  • 对所有检测框按置信度(confidence score)排序

  • 选择置信度最高的框作为保留框

  • 计算其他框与这个保留框的交并比(IoU)

  • 删除所有IoU大于阈值的框

  • 对剩余的框重复上述过程

• 6.2. NMS阈值的含义
  NMS阈值(0.3-0.5)指的是IoU的阈值：

  • IoU(Intersection over Union): 两个框重叠面积与并集面积的比值

  • NMS阈值就是判断两个框是否"过于相似"的标准

• 6.3. 不同阈值的效果

  • 6.3.1 NMS阈值=0.3(代码默认值)

    • 效果：更严格，只保留不太重叠的框

    • 优点：减少重复检测，输出更简洁

    • 缺点：可能漏掉实际存在的相邻物体

    • 适用场景：物体间距较大，重叠少的情况

  • 6.3.2 NMS阈值=0.5

    • 效果：更宽松，允许更多重叠框通过

    • 优点：能检测到靠得很近的物体

    • 缺点：可能产生多个框检测同一物体

    • 适用场景：密集物体检测，小物体检测

四 、模型架构

YOLO-v2-tiny相比完整版YOLOv2做了以下简化：

• 更少的卷积层：减少了网络深度，降低了计算复杂度

• 更小的特征图：减少了特征图尺寸，提升推理速度

• 优化的锚点设计：使用5个预定义的锚点框(anchor boxes)来预测物体位置

• 提高检测精度：降低置信度阈值(如0.3)，但会增加误检

• 减少误检：提高置信度阈值(如0.7)，但可能漏检

• 处理重叠框：调整NMS阈值(0.3-0.5之间)

五、完整代码

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 表示开启水平镜像 0 表示关闭水平镜像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: 指定任务类型，例如是检测还是分类。在YOLO中，通常设置为"detection"。#2、threshold: 置信度阈值，用于过滤掉低置信度的检测结果。阈值范围是[0,1]，值越高，则模型只会输出置信度更高的预测结果。#3、nms_value: 非最大抑制（Non-Maximum Suppression, NMS）的阈值，用于减少重叠框的数量。NMS阈值同样在[0,1]范围内，值越高，则保留的框越少，重叠越小。#4、classes: 类别数量，表示模型需要识别的对象类别数。#5、anchors: 锚点（Anchors）是YOLO中用来预测边界框的先验框尺寸。这些尺寸是在训练数据集上通过k-means聚类得到的。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()