本文介绍了YOLOv5的诞生背景和性能优势，它由darknet转向pytorch实现，便于使用和修改。尽管没有正式论文，但YOLOv5在COCO2017val上的表现优于EfficientDet。文章详细解析了YOLOv5的结构设计，包括Input、Backbone、Neck、Head和Loss，并预告了后续将涵盖YOLOv5的代码学习、数据集训练和部署等内容。此外，还提供了《图解目标检测》系列文章的获取方式和学术交流平台。
1 YOLOv5
在YOLOv4发布不到50天，“YOLOv5” 就问世了并且官方介绍的性能效果可以说相当好。只可惜YOLOv5当前只公布了代码没有相关的论文，只能通过YOLOv5的代码来了解其算法。其链接如下：
https://github.com/ultralytics/yolov5
严格来讲，这里提到的YOLOv5可以视为YOLOv4.5，但是我们依然会介绍YOLOv5，这是因为：
（1）YOLOv5不仅是各种tricks的组合，更关键的是它的实现方式由darknet转为了pytorch，这样就更便于使用和各种魔改。
（2）如下图是YOLOv5在COCO2017val上与EfficienetDet性能比较图，同等AP情况下比EfficientDet快非常多，这也说明了人工设计出来的网络不会比搜索出的网络差。
不过YOLOv5没有论文，对初学者不是很友好，这里推荐大家阅读《图解目标检测》系列文章。关注公众号后，后台回复"检测"即可获取。
2 结构设计
最低0.47元/天 解锁文章
扫一扫
3785
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
