计算机视觉——yolov5网络架构、组件和损失函数（上篇）

1. yolov5网络架构与组件

1.1 网络可视化工具 netron

在线版本:浏览器中输入链接: https://lutzroeder.github.io/netron/
netron官方的Github链接:https://github.com/lutzroeder/netron

1.2 不同模型的配置

1.3 Focus 模块

一个小实验：

Focus()模块是为减少错误和提高速度而设计的，而不是提高精度。

1.4 CSPNet 跨阶段局部网络

1.5 SPP 空间金字塔池化

在CSP上添加SPP块，因为它显着地增加了接收字段，分离出了最重要的内容，几乎没有降低网络的操作速度。

1.6 PANet 路径聚合网络

2. 损失函数

2.1 类别预测

2.2 边界框回归

2.3 回顾IoU

2.4 IoU推广——GIoU loss

C 框是包围A、B的最小的框

2.5 IoU推广——DIoU loss

蓝色为对角线，两框中心点的距离为d

在IoU和GIoU一样的情况下，DIoU还有变化。

2.6 IoU推广——CIoU loss

优化的偏导数

2.7 总结

还有CIoU等等，大家感兴趣可以自己了解。

DIoU波动稳定，对不同值的适应能力比较强；实验比较G&C：CIoU的表现比较好,YOLOv5默认用CIoU计算Loss