转载于：
深入浅出Yolo系列之Yolov5核心基础知识完整讲解_江南研习社-CSDN博客_yolov5
1 网络结构
Yolov5官方代码中，给出的目标检测网络中一共有4个版本，分别是
Yolov5s、Yolov5m、Yolov5l、Yolov5x
四个模型。
（1）Yolov5s.yaml
（2）Yolov5m.yaml
（3）Yolov5l.yaml
（4）Yolov5x.yaml
四种结构就是通过上面的两个参数，来进行控制网络的
深度
和
宽度
。其中
depth_multiple
控制网络的
深度
，
width_multiple
控制网络的
宽度
。
（1）输入端：
Mosaic数据增强、自适应锚框计算、自适应图片缩放
（2）Backbone：
Focus结构，CSP结构
（3）Neck：
FPN+PAN结构
（4）Prediction：C
IOU_Loss
2 Yolov5核心基础内容
2.1输入端
（1）Mosaic数据增强
（2） 自适应锚框计算
在Yolo算法中，针对不同的数据集，都会有
初始设定长宽的锚框
。
在网络训练中，网络在初始锚框的基础上输出预测框，进而和
真实框groundtruth
进行比对，计算两者差距，再反向更新，
迭代网络参数
。
因此初始锚框也是比较重要的一部分，比如Yolov5在Coco数据集上初始设定的锚框：
在Yolov3、Yolov4中，训练不同的数据集时，计算初始锚框的值是通过单独的程序运行的。
但Yolov5中将此功能嵌入到代码中，每次训练时，自适应的计算不同训练集中的最佳锚框值。
当然，如果觉得计算的锚框效果不是很好，也可以在代码中将自动计算锚框功能
关闭
。
控制的代码即
train.py
中上面一行代码，设置成
False
，每次训练时，不会自动计算。
（3）自适应图片缩放
在常用的目标检测算法中，不同的图片长宽都不相同，因此常用的方式是将原始图片统一缩放到一个标准尺寸，再送入检测网络中。
比如Yolo算法中常用
416*416，608*608
等尺寸，比如对下面
800*600
的图像进行缩放。
但
Yolov5代码
中对此进行了改进，也是
Yolov5推理速度
能够很快的一个不错的trick。
作者认为，在项目实际使用时，很多图片的长宽比不同，因此缩放填充后，两端的黑边大小都不同，而如果填充的比较多，则存在信息冗余，影响推理速度。
因此在Yolov5的代码中datasets.py的letterbox函数中进行了修改，对原始图像
自适应的添加最少的黑边
。
图像高度上两端的黑边变少了，在推理时，计算量也会减少，即目标检测速度会得到提升。
这种方式在之前github上Yolov3中也进行了讨论：
https://github.com/ultralytics/yolov3/issues/232
在讨论中，通过这种简单的改进，推理速度得到了37%的提升，可以说效果很明显。
但是有的同学可能会有
大大的问号？？
如何进行计算的呢？大白按照Yolov5中的思路详细的讲解一下，在
datasets.py的letterbox函数中
也有详细的代码。
第一步：计算缩放比例
原始缩放尺寸是416*416，都除以原始图像的尺寸后，可以得到0.52，和0.69两个缩放系数，选择小的缩放系数。
第二步：计算缩放后的尺寸
原始图片的长宽都乘以最小的缩放系数0.52，宽变成了416，而高变成了312。
第三步：计算黑边填充数值
将416-312=104，得到原本需要填充的高度。再采用numpy中np.mod取余数的方式，得到8个像素，再除以2，即得到图片高度两端需要填充的数值。
此外，需要注意的是：
a.这里大白填充的是黑色，即
（0，0，0）
，而Yolov5中填充的是灰色，即
（114,114,114）
，都是一样的效果。
b.训练时没有采用缩减黑边的方式，还是采用传统填充的方式，即缩放到416*416大小。只是在测试，使用模型推理时，才采用缩减黑边的方式，提高目标检测，推理的速度。
c.为什么np.mod函数的后面用
32
？因为Yolov5的网络经过5次下采样，而2的5次方，等于
32
。所以至少要去掉32的倍数，再进行取余。
2.2 Backbone
1）Focus结构
Focus结构，在Yolov3&Yolov4中并没有这个结构，其中比较关键是切片操作。
比如右图的切片示意图，4*4*3的图像切片后变成2*2*12的特征图。
以Yolov5s的结构为例，原始608*608*3的图像输入Focus结构，采用切片操作，先变成304*304*12的特征图，再经过一次32个卷积核的卷积操作，最终变成304*304*32的特征图。
需要注意的是
：Yolov5s的Focus结构最后使用了32个卷积核，而其他三种结构，使用的数量有所增加，先注意下，后面会讲解到四种结构的不同点。
（2）CSP结构
Yolov4网络结构中，借鉴了CSPNet的设计思路，在主干网络中设计了CSP结构。
Yolov5与Yolov4不同点在于，Yolov4中只有主干网络使用了CSP结构。
而Yolov5中设计了两种CSP结构，以
Yolov5s网络
为例，
CSP1_X结构
应用于
Backbone主干网络
，另一种
CSP2_X
结构则应用于
Neck
中。
2.3 Neck
Yolov5现在的Neck和Yolov4中一样，都采用FPN+PAN的结构。
Yolov4的Neck结构中，采用的都是普通的卷积操作。而Yolov5的Neck结构中，采用借鉴CSPnet设计的CSP2结构，加强网络特征融合的能力。
