Yolov5s的主干网络笔记

接下来介绍Yolov5s的主干网络，主要有CSPDarknet，FPN金字塔加强特征，以及YOLOHEAD获取预测结果。
CSPDarknet的主要思想如下:
将输入的640，通道数为3的特征层经过Focus网络转化为320，通道数为12的特征层，再不断经过卷积标准化激活函数，以及残差网络结构会得到三个有效特征层，要强调的是最后一个预测分支中，会添加SPP。通过池化核为1 5 9 13的最大池化进行特征提取，再进行堆叠。提高感受野(目的是提前不同尺寸的空间特征信息，避免将图片crop成固定输入大小的弊端，即使某一部分被网络看到太多次，resize，即避免变形)
这三个有效特征层会输入到FPN中进行特征加强
将2020的特征层经过卷积上采样与4040特征层进行堆叠，并进行残差处理，再经过卷积上采样与80*80特征层堆叠并进行处理，得到第一个加强后的特征层，再依次经过下采样，堆叠得到第二三个特征层
输入YOLOHead得到预测结果。yolov5中，每一个特征层上的每一个特征点存在三个先验框。

上采样: 放大原图像，让图像有更高的分辨率
下采样: 缩小图像，起到过滤作用小，信息冗余的特征，保留关键信息

池化: 减少特征数据量

卷积标准化激活函数: 卷积对输入图像的操作都是线性的，所以通过激活函数进行非线性操作，更好的映射，去除数据冗余，增强卷积神经网络的表达能力。标准化对数据进行标准化处理。

为什么SPP只添加到最后一个预测分支
比较三个预测分支中都添加和只在一个预测分支中添加，会发现两者差别不大

残差网络为什么能解决梯度弥散问题
使用残差网络后，梯度不涉及任何权重层，且梯度不可能消失，使深度网络优化地形更平滑。

感受野: 卷积神经网络每一层输出的特征图（feature map）上的像素点映射回输入图像上的区域大小。通俗点的解释是，特征图上一点，相对于原图的大小，也是卷积神经网络特征所能看到输入图像的区域。