yolo目标检测技术之yolo1到yolo5（二）

yolo目标检测技术之yolo1到yolo5（二）

---

关键词：YOLO、目标检测、Backbone、Neck、Head、Anchor、FPN、PAN、CSP、Focus

---

一、YOLOv1（2016）：单阶段开山之作

组件	实现
Backbone	GoogLeNet-like（24 层卷积 + 2 FC）
Neck	—
Head	两个全连接层 → 7×7×30 张量
Grid	7×7，每格 2 bbox，共享 20 类
Loss	坐标 MSE + 置信度 BCE + 类别 BCE
Speed	45 FPS（GPU）
痛点	只能检测 49 个格子，小目标/密集目标拉胯

---

二、YOLOv2 / YOLO9000（2017）

组件	实现
Backbone	Darknet-19（19 卷积 + 5 池化，无 FC）
Neck	Passthrough：26×26×512 → 13×13×2048，再 concat 深层特征
Head	全局平均池化 → 13×13×(5×25)
Anchor	5 anchor/grid，K-means（IoU 距离）聚类生成
训练技巧	• 多尺度训练 320~608 • 高分辨率分类器 448×448 • BN 全网络
输出	(13×13×5)=845 个预测框

---

三、YOLOv3（2018）

组件	实现
Backbone	Darknet-53（残差 + 1×1/3×3 交替）
Neck	FPN：自顶向下上采样 + 横向 concat，三层输出
Head	3 个头：13×13、26×26、52×52，每个 3 anchor
类别预测	独立逻辑回归（支持多标签）
总框数	(13²+26²+52²)×3 = 10 647
小目标	52×52 高分辨率头专为小物体设计

---

四、YOLOv4（2020）

组件	实现
Backbone	CSPDarknet-53（CSP 模块减少重复梯度）
Neck	SPP（不同池化级联增大感受野） + PAN（自底向上再融合）
Head	同 YOLOv3（3 尺度，9 anchor）
Bag of Freebies	Mosaic、CutMix、DropBlock、Label Smoothing、CIoU Loss
Bag of Specials	Mish 激活、CmBN、自对抗训练
一句话总结	把当时能加的都加了，单卡可训，SOTA 性价比之王

---

五、YOLOv5（2020~至今）——工业界最常用

无官方论文，但 GitHub 50 k+ star，工程价值拉满。下面把面试/部署必问点一次说清。

5.1 网络总览

Input(640×640×3)│├─ Focus（切片 + concat，2×下采样无信息丢失）│├─ CSPDarknet（C3 替换 CSP，SiLU 激活）│├─ SPPF（串行 5×5 池化等效 9×9 & 13×13，速度↑）│├─ PANet（FPN+ 自底向上路径，concat 融合）│└─ 3 检测头（20×20 / 40×40 / 80×80）→ 255 通道输出

5.2 关键创新 & 工程细节

模块	作用	备注
Focus	把空间信息搬到通道维度，2×下采样无信息丢失	v6.0 后被 6×6 Conv 替代
C3	轻量 CSP：去掉残差连接，速度↑、精度持平	backbone / neck 通用
SPPF	1×1 + 3×3 卷积 + 三次 5×5 池化 → 等效 13×13 感受野	比 SPP 更快
自适应 Anchor	训练前自动 K-means 聚类，无需手动脚本	utils/autoanchor.py
Data Pipeline	Mosaic + Copy-Paste + MixUp + HSV	训练超参 yaml 可调
Loss	CIoU + BCE（cls & obj）	与 v4 一致
模型缩放	depth_multiple / width_multiple 控制	n/s/m/l/x 一键切换
导出生态	一键 ONNX / TensorRT / ncnn / OpenVINO	export.py --include onnx

5.3 模型家族速查表

Model	参数量	mAP@0.5	CPU(ms)	GPU-V100(ms)	适用场景
YOLOv5n	1.9 M	45.7	45	6.3	树莓派、移动端
YOLOv5s	7.2 M	56.8	98	6.4	边缘设备
YOLOv5m	21.2 M	64.1	224	8.2	普通服务器
YOLOv5l	46.5 M	67.3	430	10.1	高精度场景
YOLOv5x	86.7 M	68.9	766	12.1	竞赛/研究

5.4 训练/推理一条龙命令

# 1. 安装
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple# 2. 训练自定义数据集
python train.py --data helmet.yaml --cfg yolov5s.yaml --weights yolov5s.pt \--epochs 200 --img 640 --batch-size 16 --device 0# 3. 推理
python detect.py --weights runs/train/exp/weights/best.pt --source img.jpg# 4. 导出 ONNX
python export.py --weights best.pt --include onnx --img 640 --batch 1

---

一图总结（保存备用）

版本	Backbone	Neck	Anchor	多尺度	关键创新
v1	GoogLeNet-like	—	无	无	单阶段、7×7×30
v2	Darknet-19	Passthrough	5	输入多尺度	Anchor、高分辨率分类
v3	Darknet-53	FPN	3×3=9	3 输出层	逻辑回归、残差
v4	CSPDarknet-53	SPP+PAN	3×3=9	同上	Mosaic/CIOU/Mish
v5	CSPDarknet（C3）	SPPF+PAN	3×3=9	同上	Focus→SPPF、自适应 Anchor、工程化最强