YOLOv5基础知识点——网络架构与组件

YOLOv5作者没有分neck模块

Backbone：Focus，BottleneckCSP,SPP

Head：PANet+Detect(YOLOv3/v4 Head）

网络可视化工具：netron

 导出ONNX文件

 

depth-mutiple、width-multiple(s<m<l<x) 

 

anchors——先验框的配置

 三个不同尺度的先验框

[10,13,16,30,33,23] #P3/8——stride=8情况下第一个先验框宽度是10，高度是13，第二个先验框宽度16，高度30.......

一句话CNN：如何理解stride的意义和算法 - 知乎 (zhihu.com)

(17条消息) yolov5增加小目标检测层_AI视觉网奇的博客-CSDN博客_yolov5小目标

Focus

把数据切分为4份，每份数据都是相当于2倍下采样得到的，然后再channel维度（通道维度）进行拼接，最后进行卷积操作

 举例：

 Focus（）模块是用来减少浮点运算量，提高速度，但对mAP精度没有帮助

输入经过focus变换： [b,c,h,w]-->[b,c*4,h//2,w//2]

把宽度w和高度h的信息整合到c空间

以YOLOv5s为例，原始640*640*3的图像输入Focus结构，采用切片操作，先变成320*320*12的特征图，在经过一次32个卷积核的卷积操作，最终变成320*320*32的特征图。

而YOLOv5m的Focus结构中的卷积操作使用了48个卷积核，因此Focus结构后的特征图变成320*320*48.YOLOv5l，YOLOv5x也是同样的原理

CSPNet

CSP(Cross Stage Partial Network)跨阶段局部网络

SPP（Spatial Pyramid Pooling）空间金字塔池化

 PANet （Path-Aggregation Network）路径聚合网络

 

 

最适合新手入门的【YOLOV5目标实战】教程！基于Pytorch搭建YOLOV5目标检测平台！环境部署+项目实战（深度学习/计算机视觉）_哔哩哔哩_bilibili