Yolo5算法详解

 Yolo5完整解析图

Yolo5核心的一些东西：

• 输入端：
  • mosaic、仿射变换等。
  • 自适应锚框计算。
  • 自适应图片缩放。（能提升37%推理速度）
• Backbone：Focus结构（提升推理速度）、新的CSP结构。
• Neck：SPP、FPN+PAN的结构，
• 输出端：
  • 3个临近grid cell负责预测目标，相当于增加了2倍正样本量，极大加速收敛，并修改了预测框回归公式（具体见解析图）
  • 刚开始是边框回归用GIOU-Loss，后面版本又改成CIOU-Loss。

其他细节改动：

1. 抛弃了基于max iou匹配的规则，而是直接采用shape（也就是该bbox和当前层的anchor计算宽高比）。
2. 还有太多细节，而且这些细节不停改动变化中，不细说了。

部分核心原理讲解