自己制作网站枣庄手机网站建设电话

5月22日复盘

八、YOLOV5

从YOLOV5开始，就进到了工程化阶段了。

项目:

​ https://github.com/ultralytics/yolov5

1. 与YOLOV4对比

• 大体结构一致
• 主干网络是C3-Darknet53
• 网络最开始增加Focus结构
• Neck也是采用FPN+PAN，但将卷积变成了CSP
• 预测损失采用GloU损失

2. Focus模块

先分块，后拼接，再卷积

①、640 x 640 x 3的图像输入Focus结构，采用切片操作，先变成320 x 320 x 12的特征图；

②、再经过一次32个卷积核的卷积操作，最终变成320 x 320 x 32的特征图；

③、目的是加速

计算量的计算公式为:
$$\begin{array}{rl}& \text{计算量}=\text{卷积核尺寸}\times \text{输入通道数}\times \text{输出通道数}\times {\text{输出尺寸}}^2\end{array}$$

$$\begin{gathered} \mathrm{FLOPs}(\mathrm{conv})=3\times 3\times 3\times 32\times 320\times 320=88473600 \\ \mathrm{FLOPs}(\mathrm{Focus})=1\times 1\times 12\times 32\times 320\times 320=39321600 \end{gathered}$$

3. 整体网络结构

整体结构和YOLOV4非常接近。

3.1 SiLU 激活函数

• YOLOv5 的 Backbone 和 Neck 模块和 YOLOv4 中大致一样，都采用 CSPDarkNet 和 FPN+PAN 的结构，但是网络中其他部分进行了调整，其中 YOLOv5 使用的激活函数是 SiLU
• SiLU(x) = x·Sigmoid(x)，具备无上界有下届、平滑、非单调的特性

3.2 bottleneck layery

• Bottleneck 是用于减少参数和计算量的结构，其设计灵感来自于ResNet，结构如下：

  • 1x1卷积：用于减少特征图的通道数
  • 3x3卷积：用于提取特征，后接一个 Batch Normalization 层和 ReLU 激活函数
  • 1x1卷积：用于恢复特征图的通道数，后接一个BN层
  • 跳跃连接（Shortcut）：将输入直接加到输出上，以形成残差连接

3.3 C3代替CSP

​ YOLOv5中的C3模块在CSP上进行了优化，非常相似但略有不同：

不同点：

1. 具体实现：YOLOv4中的CSP模块通常使用残差块，而YOLOv5中的C3模块通常使用Bottleneck或BottleneckCSP块。
2. 性能优化：YOLOv5中的C3模块在具体实现上进行了进一步优化，以提高计算效率和模型性能。

3.4 SPPF

• 将卷积核大小变成相同，然后将并行变成了串行+并行，2个K5池化=1 个K9池化，3个K5池化=1个K13池化，也就是结果相同的基础上，速度更 快，计算量更小

4. 输出头说明

灵活度较高，支持多种尺寸：

1. 输入图像尺寸：通常为640 x 640（或者其它尺寸，如416 x 416等）
2. 输出特征图：YOLOv5 使用大、中、小三个尺寸。
3. 输出尺寸:
   • 大目标: 通常是输入图像尺寸的 1/32
   • 中目标: 通常是输入图像尺寸的 1/16
   • 小目标: 通常是输入图像尺寸的 1/8

假设输入图像尺寸为640×640，具体的特征图尺寸如下：
$$\begin{gathered} \bullet \text{大目标:}\frac{640}{32}\times \frac{640}{32}=20\times 20 \\ \bullet \text{中目标:}\frac{640}{16}\times \frac{640}{16}=40\times 40 \\ \bullet \text{小目标:}\frac{640}{8}\times \frac{640}{8}=80\times 80 \end{gathered}$$
如果输入的图像是416尺寸的，那就和YOLOV3、YOLOV4的头机制一致了。

5. 开源项目

YOLOV5并没有学术论文，是一个开源项目，是 Ultralytics 公司于 2020 年6月9 日发布的。

项目可以在Github搜到：https://github.com/ultralytics/yolov5

预训练模型：

Model	size (pixels)	mAPval 50-95	mAPval 50	Speed CPU b1 (ms)	Speed V100 b1 (ms)	Speed V100 b32 (ms)	params (M)	FLOPs @640 (B)
YOLOv5n	640	28.0	45.7	45	6.3	0.6	1.9	4.5
YOLOv5s	640	37.4	56.8	98	6.4	0.9	7.2	16.5
YOLOv5m	640	45.4	64.1	224	8.2	1.7	21.2	49.0
YOLOv5l	640	49.0	67.3	430	10.1	2.7	46.5	109.1
YOLOv5x	640	50.7	68.9	766	12.1	4.8	86.7	205.7
YOLOv5n6	1280	36.0	54.4	153	8.1	2.1	3.2	4.6
YOLOv5s6	1280	44.8	63.7	385	8.2	3.6	12.6	16.8
YOLOv5m6	1280	51.3	69.3	887	11.1	6.8	35.7	50.0
YOLOv5l6	1280	53.7	71.3	1784	15.8	10.5	76.8	111.4
YOLOv5x6 + TTA	1280 1536	55.0 55.8	72.7 72.7	3136 -	26.2 -	19.4 -	140.7 -	209.8 -

​ 这些模型的结构是一样的，区别在于网络的深度和宽度，网络的深度指的就是C3模块中Bottleneck的数量，网络的宽度是指网络每层输出的通道数。