YOLOV5网络结构&各个模块&延伸

1. 整体网络结构

摘自 https://zhuanlan.zhihu.com/p/172121380

YOLOV3

YOLOV4

Yolov4在Yolov3的基础上进行了很多的创新。
比如输入端采用mosaic数据增强，
Backbone上采用了CSPDarknet53、Mish激活函数、Dropblock等方式，
Neck中采用了SPP、FPN+PAN的结构，
输出端则采用CIOU_Loss、DIOU_nms操作。

YOLOV5

Yolov5的结构和Yolov4很相似，但也有一些不同
（1）输入端：Mosaic数据增强、自适应锚框计算、自适应图片缩放
（2）Backbone：Focus结构，CSP结构
（3）Neck：FPN+PAN结构
（4）Prediction：GIOU_Loss

---

2. 模块

2.1 SPP (Spatial Pyramid Pooling)

摘自 https://blog.csdn.net/qq_39056987/article/details/104327638
最初提出应用在双阶段检测器中，最后的分类层是由全连接组成，这就导致训练时图片的输入尺寸不能改变，推理时输入尺寸要和训练时一致。图片的变形拉伸和裁剪会导致图片失真和信息丢失。因此在当时的环境下，凯明提出了SPP，主要解决两个问题：

1. 有效避免了对图像区域剪裁、缩放操作导致的图像失真等问题；
2. 解决了卷积神经网络对图像重复特征提取的问题，大大提高了产生候选框的速度，且节省了计算成本。
   如图所示，任何输入尺寸的图片，都会得到16+4+1=21长度的输出，channel数量仍为256不变。
   

但是在YOLOV3～V5中，SPP作用不同于前。YOLO中的SPP module由四个并行的分支构成，分别是kernel size为 5×5, 9×9, 13×13的最大池化和一个跳跃连接。如下图所示，以YOLOv3-SPP为例，作者检测头前面的第5和第6卷积层之间集成SPP模块来获得，而在随后的YOLOV4/V5中，SPP都被借鉴，用在最小的特征输出层。在Feature Map经过SPP module池化后的特征图重新cat起来传到下一层侦测网络中。此部分SPP最主要的作用就是融合了局部与全局特征。YOLOV3-SPP相比YOLOV3提升了好几个点。