YOLOv5从入门到部署之：初识YOLOv5

1 YOLOv5

在YOLOv4发布不到50天，“YOLOv5” 就问世了并且官方介绍的性能效果可以说相当好。只可惜YOLOv5当前只公布了代码没有相关的论文，只能通过YOLOv5的代码来了解其算法。其链接如下：

https://github.com/ultralytics/yolov5

严格来讲，这里提到的YOLOv5可以视为YOLOv4.5，但是我们依然会介绍YOLOv5，这是因为：

（1）YOLOv5不仅是各种tricks的组合，更关键的是它的实现方式由darknet转为了pytorch，这样就更便于使用和各种魔改。

不过YOLOv5没有论文，对初学者不是很友好，这里推荐大家阅读《图解目标检测》系列文章。关注公众号后，后台回复”检测”即可获取。

Yolov5的结构采用单阶段检测的结构，结构图如上图所示，其主要分为五个阶段：

• Input：图像输入端并且进行了数据处理。Mosaic、Cutout、矩阵训练。
• Backbone：提取出高中低层的特征，使用了CSP、Fcous、Leaky ReLU等。
• Neck：将各层次的特征进行融合提取出大中小的特征图。
• Head：进行最终检测部分，在特征图上应用锚定框，并生成带有类概率、对象得分和包围框的最终输出向量。

• Loss：计算预测结果与ground truth的Loss，反向传播更新模型的参数。

• 配置与初始化超参

• 数据读取与扩增

• 网络和损失设计

• 实践：训练自己的数据集并部署