YOLOv5简析

先说些题外话&＃xff0c;YOLOv5没有论文&＃xff0c;其作者是Mosaic Augmentation 的创造者&＃xff0c;YOLO V5 在性能上稍弱于YOLO V4&＃xff0c;但是在灵活性与速度上远强于YOLO V4&＃xff0c;在模型的快速部署上具有极强优势。相对于YOLOv4&＃xff0c;分别从以下三个方面简析YOLOv5的改进&＃xff1a;

• 输入端&＃xff1a;Data Augmentation、自适应锚框计算、自适应图片缩放
• Backbone&＃xff1a;Focus结构&＃xff0c;CSP结构
• Neck&＃xff1a;FPN&＃43;PAN结构

1. 输入端

1.1 Data Augmentation主要采用的是Mosaic数据增强
其做法就是对图片使用随机缩放、随机裁剪、随机排布的方式进行拼接。优点是丰富了检测物体的背景和小目标&＃xff0c;并且在计算Batch Normalization的时候一次会计算四张图片的数据&＃xff0c;使得mini-batch大小不需要很大&＃xff0c;一个GPU就可以达到比较好的效果。
1.2 自适应锚框计算
在YOLOv3和YOLOv4中&＃xff0c;都需要提前通过K-means聚类的方法计算出anchor&＃xff0c;此anchor是固定的。但是在YOLOv5中&＃xff0c;虽然也提前设置了anchor&＃xff0c;但是在训练时可以自适应的计算不同训练集中的最佳anchor&＃xff0c;从而更新anchor值。此功能也可以手动关闭&＃xff0c;在train.py中更改&＃xff0c;设置为False即可。

1.3 自适应图片缩放
在常用的目标检测算法中&＃xff0c;不同的图片长宽都不相同&＃xff0c;因此常用的方式是将原始图片统一缩放到一个标准尺寸&＃xff0c;再送入检测网络中。比如Yolo算法中常用416×416&＃xff0c;608×608等尺寸&＃xff0c;比如对下面800*600的图像进行变换。

但Yolov5代码中对此进行了改进&＃xff0c;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&＃xff0c;很多图片的长宽比不同。因此缩放填充后&＃xff0c;两端的黑边大小都不同&＃xff0c;而如果填充的比较多&＃xff0c;则存在信息冗余&＃xff0c;影响推理速度。 因此在Yolov5代码中datasets.py的letterbox函数中进行了修改&＃xff0c;对原始图像自适应的添加最少的黑边。

2. Backbone
2.1 Focus结构

2.2 CSP结构
Yolov4网络结构中&＃xff0c;借鉴了CSPNet的设计思路&＃xff0c;在主干网络中设计了CSP结构。

Yolov5与Yolov4不同点在于&＃xff0c; Yolov4中只有主干网络使用了CSP结构 &＃xff0c;而 Yolov5中设计了两种CSP结构&＃xff0c;以Yolov5s网络为例&＃xff0c;以CSP1_X结构应用于Backbone主干网络&＃xff0c;另一种CSP2_X结构则应用于Neck中。

3. Neck
Yolov5现在的Neck和Yolov4中一样&＃xff0c;都采用FPN&＃43;PAN的结构&＃xff0c;但在Yolov5刚出来时&＃xff0c;只使用了FPN结构&＃xff0c;后面才增加了PAN结构&＃xff0c;此外网络中其他部分也进行了调整。

但如上面CSPNet中讲到&＃xff0c; Yolov5和Yolov4的不同点在于&＃xff0c;Yolov4的Neck中&＃xff0c;采用的都是普通的卷积操作。而Yolov5的Neck结构中&＃xff0c;采用借鉴CSPNet设计的CSP2结构&＃xff0c;加强网络特征融合的能力。
4. prediction
4.1 Bounding box 损失函数
YOLOv5中Bounding box的损失函数提供了IOU、GIOU、DIOU、CIOU&＃xff0c;目前效果最好的是CIOU&＃xff0c;如果有兴趣的可以试试去年新出的alpha-IOU&＃xff0c;这是在CIOU的基础上进行改进的。
4.2 NMS
YOLOv5提供了多种NMS&＃xff0c;例如weight-nms&＃xff0c;diou-nms&＃xff0c;soft-nms等&＃xff0c;这些在一定程度上都可以解决遮挡问题&＃xff0c;但是可能会带来一些推理时延。YOLOX也是使用了NMS&＃xff0c;一开始YOLOX的作者使用的是end2end方式&＃xff08;即无nms&＃xff09;&＃xff0c;最后发现会掉点。
5. Yolov5四种网络结构的不同点
Yolov5代码中的四种网络&＃xff0c;和之前的Yolov3&＃xff0c;Yolov4中的cfg文件不同&＃xff0c;都是以yaml的形式来呈现。
而且四个文件的内容基本上都是一样的&＃xff0c;只有最上方的depth_multiple和width_multiple两个参数不同。