论文精读——YOLOv5

---

专栏链接：深度学习和论文精读
本文并非对论文直接进行翻译，增加了自己对于论文的理解，如有问题请及时指出~
本文大部分图片均参考江大白，侵权可删。

---

前言

论文题目：YOLOv5（无论文）
论文原文：https://github.com/ultralytics/yolov5
论文来源：无
发表时间：无

---

1 模型结构

YOLOv5官方代码中，给出的目标检测网络中一共有5个版本，分别是YOLOv5n、YOLOv5s、YOLO5m、YOLO5l、YOLOv5x四个模型，见下图，图源路人贾’ω’。

在YOLOv5中，已经配置了各个版本的参数，大家可以根据自己需求调用（路径：yolov5/models）。其实只是改变了文件中depth_multiple模型深度和width_multiple模型宽度这两个参数，网络结构并没有改变。
本文以下内容根据YOLOv5s版本进行讲解。

---

2 网络结构

YOLOv5s的整体结构见下图，图源江大白。这里可以用netron工具查看更为详细的网路结构，链接Yolov5s可视化网络结构图。

可以看出，YOLOv5还是分为输入端、Backbone、Neck、Prediction四个部分。

• 输入端：Mosaic数据增强、自适应锚框计算、自适应图片缩放
• Backbone主干网络：Focus结构，CSP结构
• Neck：FPN+PAN结构
• Prediction：GIoU Loss

基本组件：

• Focus：基本上就是YOLO v2的passthrough。
• CBL：由Conv+Bn+Leaky_relu激活函数三者组成。
• CSP1_X：借鉴CSPNet网络结构，由三个卷积层和X个Res unint模块Concate组成。
• CSP2_X：不再用Res unint模块，而是改为CBL。
• SPP：采用1×1，5x5，9x9，13×13的最大池化的方式，进行多尺度融合。

个人认为YOLOv5和v4的变化不是特别大。

2.1 输入端

2.1.1 Mosaic数据增强

YOLOv5的输入端采用了和YOLOv4一样的Mosaic数据增强的方式。详细内容可以查看YOLOv4当中的介绍。

2.1.2 自适应锚框计算

此部分简单来说就是根据数据集计算初始锚框的大小。YOLO5中将此功能嵌入到代码中，每次训练时，自适应的计算不同训练集中的最佳锚框值。

2.1.3 自适应图片缩放

在常用的目标检测算法中，不同的图片长宽都不相同，因此常用的方式是将原始图片统一缩放到一个标准尺寸，再送入检测网络中。
YOLO算法中常用$416\ast 416$，$608\ast 608$等尺寸（原因是网络有32倍的下采样，因此必须是32的倍数），比如对下面$800\ast 600$的图像进行缩放。
一般的填充方式均为直接缩放填充，但YOLOv5中对此进行了改进，使得推理速度加快。
作者认为，在项目实际使用时，很多图片的长宽比不同，因此缩放填充后，两端的黑边大小都不同，而如果填充的比较多，则存在信息冗余，影响推理速度。YOLO通过对原始图像自适应缩放，以添加最少的黑边。
第一步：计算缩放比例
原始缩放尺寸是$416\ast 416$，都除以原始图像的尺寸后，可以得到0.52，和0.69两个缩放系数，选择小的缩放系数。

第二步：计算缩放后的尺寸
原始图片的长宽都乘以最小的缩放系数0.52，宽变成了416，而高变成了312。

第三步：计算黑边填充数值
将416-312=104，得到原本需要填充的高度。再采用numpy中np.mod取余数的方式，得到8个像素，再除以2，即得到图片高度两端需要填充的数值。YOLOv5中填充的是灰色，即（114,114,114）。实际训练时没有采用缩减黑边的方式，还是采用传统填充的方式，即缩放到$416\ast 416$大小。只是在测试，使用模型推理时，才采用缩减黑边的方式，提高目标检测，推理的速度。

2.2 Backbone

2.2.1 Focus结构

YOLOv5在输入图片后，首先通过一个Focus结构，这个结构在YOLOv2时就出现过。
以YOLOv5s的结构为例，原始$608\ast 608\ast 3$的图像输入Focus结构，采用切片操作，先变成$304\ast 304\ast 12$的特征图，再经过一次32个卷积核的卷积操作，最终变成$304\ast 304\ast 32$的特征图。
需要注意的是：YOLOv5s的Focus结构最后使用了32个卷积核。

2.2.2 CSP结构

CSP在YOLOv4中就被引入。YOLOv5与YOLOv4不同点在于，YOLOv4中只有主干网络使用了CSP结构。而YOLOv5中设计了两种CSP结构，以YOLOv5s网络为例，CSP1_X结构应用于Backbone主干网络，另一种CSP2_X结构则应用于Neck中。

2.3 Neck

YOLOv5现在的Neck和YOLOv4中一样，都采用FPN+PAN的结构。
YOLOv4的Neck结构中，采用的都是普通的卷积操作。而YOLOv5的Neck结构中，采用借鉴CSPnet设计的CSP2结构，加强网络特征融合的能力。

---

3 总结

整体来说YOLOv5与YOLOv4的相差不大，目前最为常用的YOLO模型就是v5，大家可以集合代码分析整体架构。YOLOv5可以做很多的目标检测任务，只需要整理好数据集便可训练，十分方便。这里给出代码连接https://github.com/ultralytics/yolov5。

---

相关面试问题

对于单个YOLO版本的相关面试题并不是特别多，大部分都是介绍v1-v5的演变，后续有专门的汇总部分。

---

参考

深入浅出Yolo系列之Yolov5核心基础知识完整讲解
【YOLO系列】YOLOv5超详细解读（源码详解＋入门实践＋改进）