yolov5改进spd-conv

1.论文简介 

 2.Yolov5-SPD网络结构图

3. YOLOv5改进

3.1yaml文件配置

3.2common加入

3.3替换yolo.py 中以下代码   

---

1.论文简介 

论文：https://arxiv.org/pdf/2208.03641v1.pdf

github：SPD-Conv/YOLOv5-SPD at main · LabSAINT/SPD-Conv · GitHub

摘要：卷积神经网络(CNNs)在计算即使觉任务中如图像分类和目标检测等取得了显著的成功。然而，当图像分辨率较低或物体较小时，它们的性能会灾难性下降。这是由于现有CNN常见的设计体系结构中有缺陷，即使用卷积步长和/或池化层，这导致了细粒度信息的丢失和较低效的特征表示的学习。为此，我们提出了一个名为SPD-Conv的新的CNN构建块来代替每个卷积步长和每个池化层(因此完全消除了它们)。SPD-Conv由一个空间到深度(SPD)层和一个无卷积步长(Conv)层组成，可以应用于大多数CNN体系结构。我们从两个最具代表性的计算即使觉任务:目标检测和图像分类来解释这个新设计。然后，我们将SPD-Conv应用于YOLOv5和ResNet，创建了