# yolo_from_scratch

**Repository Path**: luzhihaoTestingLab/yolo_from_scratch

## Basic Information

- **Project Name**: yolo_from_scratch
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-21
- **Last Updated**: 2026-06-21

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Tiny YOLO — 从零实现目标检测

一个用于学习的轻量级 YOLO 目标检测模型，纯 PyTorch 实现。

## 特点

- **极简**：~50 万参数，FP32 约 2MB，FP16 约 1MB
- **全卷积**：无全连接层，检测头用 1x1 卷积
- **深度可分离卷积**：backbone 轻量化
- **代码清晰**：每个组件独立，注释详尽，适合学习

## 架构

```
Input (224×224×3)
  → Depthwise Separable Conv Backbone
  → 1×1 Conv Detection Head
  → Output (7×7×30)
```

输出 7×7 网格，每格预测 2 个边界框 + 20 个类别（Pascal VOC 格式）。

## 文件结构

```
├── yolo_model.py    # 模型定义、损失函数、解码、NMS
├── train.py         # 训练脚本（支持 VOC 和合成数据）
├── .gitignore
└── README.md
```

## 快速开始

### 安装依赖

```bash
pip install torch torchvision numpy pillow
```

### 合成数据训练（无需下载数据集）

```bash
python train.py --synthetic --epochs 50 --batch_size 32
```

### Pascal VOC 训练

```bash
python train.py --epochs 50 --batch_size 32
```

首次运行会自动下载 VOC 2007 到 `./data/`。

### 恢复训练

```bash
python train.py --resume checkpoint_final.pth --epochs 100
```

### 查看模型信息

```bash
python yolo_model.py
```

## 训练输出

| 文件 | 说明 |
|---|---|
| `yolo_v1_best.pth` | 最佳模型权重（~2MB） |
| `yolo_v1_final.pth` | 最终模型权重（~2MB） |
| `checkpoint_epochN.pth` | 完整训练快照，用于恢复 |

## 命令行参数

| 参数 | 默认值 | 说明 |
|---|---|---|
| `--synthetic` | False | 使用合成数据 |
| `--epochs` | 30 | 训练轮数 |
| `--batch_size` | 16 | 批次大小 |
| `--lr` | 0.001 | 学习率 |
| `--resume` | None | 从 checkpoint 恢复 |
| `--data_root` | ./data | VOC 数据集路径 |
| `--num_workers` | 2 | DataLoader 进程数 |

## 关键概念

### YOLO 核心思想

把目标检测当作回归问题：输入一张图，一次性输出所有框和类别。

### 网格划分

图片被分成 S×S 个格子。每个格子负责预测中心点落在该格子的物体。

### 输出张量

每个格子输出 `B×5 + C` 个值：
- `x, y`：边界框中心在格子内的相对位置（0~1）
- `w, h`：边界框宽高（相对整图，0~1）
- `confidence`：框内有物体的置信度
- `class_probs`：C 个类别的概率

### 损失函数

| 损失项 | 权重 | 说明 |
|---|---|---|
| 坐标损失 | 5 | x, y, w, h 的 MSE |
| 有物体置信度 | 1 | 有物体格子的 confidence MSE |
| 无物体置信度 | 0.5 | 无物体格子的 confidence MSE |
| 分类损失 | 1 | 类别概率的 MSE |

## 与 YOLOv8 的差异

| | Tiny YOLO | YOLOv8n |
|---|---|---|
| 参数量 | 0.5M | 3.2M |
| 文件大小 | ~2MB | ~6MB |
| 检测头 | 单尺度 7×7 | 多尺度（80/40/20） |
| 全连接层 | 无 | 无 |
| Anchor | 无（直接回归） | Anchor-free |
| 用途 | 学习 | 生产 |

## 参考资料

- [YOLOv1 论文](https://arxiv.org/abs/1506.02640)
- [YOLOv8 Ultralytics](https://github.com/ultralytics/ultralytics)

## License

MIT