初学YOLOv5，v6.1版

创新点

1.backbone换为New CSPDarknet-53

2.SPP-->SPPF

3.PAN-->CSP-PAN

4.将Focus模块换成6x6大小的卷积层

5.一系列数据增强方式：Mosaic，copy paste，Random affine（仿射变换），Mixup，Albumentations（一个第三方包），Augment HSV，Random horizontal flip

6.一系列训练策略：

Multi-scale training(0.5~1.5x)
AutoAnchor(For training custom data)

Warmup and Cosine LR scheduler

EMA(Exponential Moving Average)

Mixed precision
Evolve hyper-parameters

7.损失函数：Lobj采用CIOU计算，Lobj的不同尺寸特征层拥有不同权重

8.消除Grid敏感度，bw，bh也进行调整

9.正样本的匹配策略也进行了更新

1.Backbone

比YOLOv4有些许变化，以下是整个YOLOv5L的结构图

 将Focus模块换成6x6大小的卷积层

Focus模块是将特征图分为patchs，每个patch大小为4x4，将每个patch对应位置的像素提取出来组成一个新的特征图，尺寸减半，通道数为4倍。

计算过程一样，但是6x6卷积层效率更高

 SPP-->SPPF

由并行变为了串行，运算参数量减小，速度为并行的一半。

一系列图像增强策略 

copy paste

就是将图片的语义分割出来的目标插入进其他图片中（前提是数据集中必须有每个图片的实体分割标签）

 Mixup

就是将多张图片以一定透明程度来进行组合，以提高图片中的目标数量。

一系列训练策略

Multi-scale training(0.5~1.5x)

多尺度训练，假设设置输入图片的大小为640 × 640 640 \times 640640×640，训练时采用尺寸是在0.5 × 640 ∼ 1.5 × 640 0.5 \times 640 \sim 1.5 \times 6400.5×640∼1.5×640之间随机取值，注意取值时取得都是32的整数倍（因为网络会最大下采样32倍）。

AutoAnchor(For training custom data)

训练自己数据集时可以根据自己数据集里的目标进行重新聚类生成Anchors模板。

Warmup and Cosine LR scheduler

训练前先进行Warmup热身，然后在采用Cosine学习率下降策略。

EMA(Exponential Moving Average)

可以理解为给训练的参数加了一个动量，让它更新过程更加平滑。

Mixed precision

混合精度训练，能够减少显存的占用并且加快训练速度，前提是GPU硬件支持。

Evolve hyper-parameters

超参数优化，没有炼丹经验的人勿碰，保持默认就好。

Lobj的不同尺寸特征层拥有不同权重

对小物体的检测的特征层（分辨率最高的特征层）损失权重最大，也就是更关注小物体的准确率 

消除Grid敏感度，bw，bh也进行调整

不仅将bx，by改变了，bw和bh也变了， 原来的计算公式并没有对预测目标宽高做限制，这样可能出现梯度爆炸，训练不稳定等问题，很明显调整后倍率因子被限制在(0,4)之间，更加的合理。
 

正样本的匹配

同样是GTbox和anchor模板的左上角对齐，但是由于改变了bw、bh，所以要将anchor模板的宽和高乘以4倍来匹配GTbox，如果GTbox完全在框中，则当GTbox中心点落入匹配的三个grid中时，将匹配的anchor模板视为该GTbox的正样本。