0 前言

YOLOv5项目的作者是Glenn Jocher并不是原Darknet项目的作者Joseph Redmon，并且这个项目至今都没有发表过正式的论文。

官方源码仓库，目前更新到v6.1：https://github.com/ultralytics/yolov5

如果对YOLO系列没有了解：
YOLO系列理论合集(YOLOv1~v3)
YOLOv4网络详解

1 YOLOv5网络模型

YOLOv5整体结构：

YOLOv5l网络结构：

2 网络结构改进

YOLOv5共给出了五个版本的目标检测网络:YOLOv5n、YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x

2.1 Backbone改进

YOLOv5所使用的特征提取网络仍为CSPDarknet

Focus网络结构

在之前的YOLO网络中并没有使用Focus网络结构

Focus模块在YOLOv5中是图片进入backbone前，每隔一个像素取一个值，可以获得4个独立的特征层，将这4个特征层进行堆叠，此时就将宽高维度上的信息转换到了通道维度，输入通道扩充了四倍，再通过进行特征的提取。

将每个2x2的相邻像素划分为一个patch，然后将每个patch中相同位置（同一颜色）像素给拼在一起就得到了4个feature map，然后在接上一个3x3大小的卷积层。

作者提到使用focus层可以减少参数计算，减少cuda的使用内存。

但是在v6.0版本后的YOLOv5没有并用Focus结构，把Backbone的第一层（原来是Focus模块）换成了一个6x6大小的卷积层，两个理论等价，但是对现有的一些GPU和优化算法，使用6x6的卷积层更加高效。

SiLU激活函数

SiLU 函数也称为 swish 函数，具有处处可导、连续光滑、非单调的特性，可以看作是平滑的ReLU激活函数。
f(x)=x⋅sigmoid(x)

SPPF结构

使用SPP结构，通过不同池化核大小的最大池化进行特征提取，提高网络的感受野。在YoloV4中，SPP是用在FPN里面的，在YoloV5中，SPP模块被用在了主干特征提取网络中。

SPPF结构是将输入串行通过多个5x5大小的MaxPool层，这里需要注意的是串行两个5x5大小的MaxPool层是和一个9x9大小的MaxPool层计算结果是一样的，串行三个5x5大小的MaxPool层是和一个13x13大小的MaxPool层计算结果是一样的。

SPPF结构与SPP结构作用一样，但SPPF结构效率更高、速度更快

2.2 Neck改进

在YOLOv5中的FPN特征金字塔结构中引入了CSP结构，在网络结构图中可以看到每个C3模块中都含有CSP结构。

在特征提取部分，YoloV5提取多特征层进行目标检测，一共提取三个特征层。
三个特征层位于主干部分CSPdarknet的不同位置，分别位于中间层，中下层，底层，当输入为(640,640,3)的时候，三个特征层的shape分别为feat1=(80,80,256)、feat2=(40,40,512)、feat3=(20,20,1024)。

在获得三个有效特征层后，利用这三个有效特征层进行FPN层的构建，构建方式为：

1.feat3=(20,20,1024)的特征层进行1次1X1卷积调整通道后获得P5，P5进行上采样UmSampling2d后与feat2=(40,40,512)特征层进行结合，然后使用CSPLayer进行特征提取获得P5_upsample，此时获得的特征层为(40,40,512)。
2.P5_upsample=(40,40,512)的特征层进行1次1X1卷积调整通道后获得P4，P4进行上采样UmSampling2d后与feat1=(80,80,256)特征层进行结合，然后使用CSPLayer进行特征提取P3_out，此时获得的特征层为(80,80,256)。
3.P3_out=(80,80,256)的特征层进行一次3x3卷积进行下采样，下采样后与P4堆叠，然后使用CSPLayer进行特征提取P4_out，此时获得的特征层为(40,40,512)。
4.P4_out=(40,40,512)的特征层进行一次3x3卷积进行下采样，下采样后与P5堆叠，然后使用CSPLayer进行特征提取P5_out，此时获得的特征层为(20,20,1024)。

特征金字塔可以将不同shape的特征层进行特征融合，有利于提取出更好的特征。

2.3 Head改进

Head部分，YOLOv3, v4, v5都是一样的。

还有一些损失计算、正负样本匹配的问题，后续在训练时候再看

参考文献：
YOLOv5网络详解
搭建自己的YoloV5目标检测平台