Yolov5技术总结
Backbone：
Focus： 网络第一层进行 pixel un-shuffling而不是stride=2的卷积；该模块的设计主要是减少计算量加快速度；
作者原话：https://github.com/ultralytics/yolov5/issues/847
Focus() module is designed for FLOPS reduction and speed increase, not mAP increase.
Also designed for layer count reduction. 1 Focus module replaces 3 yolov3/4 layers.
SPP： 分别采用5/9/13的最大池化，再进行concat融合，提高感受野；
BottleNeckCSP： Cross Stage Partial Networks，减少计算量，提高卷积神经网络学习能力；
Detection (YOLO) layer：
Anchor： 根据超参数中的hyp[‘anchor_t’]来检查默认anchor与数据集标签的契合度，如果＜0.98，则根据数据集标签进行聚类重新获得anchor；
默认anchor如下：
- [10,13, 16,30, 33,23] # P3/8
- [30,61, 62,45, 59,119] # P4/16
- [116,90, 156,198, 373,326] # P5/3
参考：https://github.com/ultralytics/yolov5/issues/471
边框回归： 在进行边框回归 筛选样本对应anchor的时候，就是通过hyp[‘anchor_t’]来筛选，而不是iou；
新的边框回归方式：
损失函数：
边框回归：CIOU loss
Objectness：GIOU
分类：BCE
损失平衡：ciou=0.05，objectness=1， cls=0.5;
三个输出层损失平衡：4.0, 1.0, 0.4分别对应下采样8,16,32的输出层
优化策略：
Warmup热身训练；
Cosine余弦退火；
梯度累积；
EMA；
数据增强：
Mosaic；
仿射变换，随机的旋转，平移，缩放，裁剪，上下左右翻转；
随机hsv；
进行数据增强操作还有一个bbox筛选的过程：
去除被裁剪过小的框(面积小于裁剪前的20%) ，并且还有长和宽必须大于2个像素，且长宽比范围在(1/20, 20)之间的限制；
Yolov5-1.0、2.0、3.0：
1.0->2.0:
yolov5x mAP有提升，但yolov5s mAP却下降了,
训练策略的改变，包括余弦退火的公式更新了，以及类别损失cls_loss的系数gain，对数据进行仿射变换(dataset.py数据增强部分)的超参数进行调整，三个output的损失比重balance的调整。
2.0->3.0:
V3.0据作者所说，大约10％的推理速度为代价提高了所有模型的mAP。尽管CUDA内存需求增加了约10％，但训练速度并未受到明显影响，具体未测试；
最小的模型从Hardswish（）**中受益最大，YOLOv5s / m / l / x的增加幅度为+0.9/+0.8/+0.7/[email protected]：0.95。
主要做出的变化是，采用了hardswish**函数替换CONV(下图右下角模块)模块的LeakyReLu，但是注意：BottleneckCSP模块中的LeakyReLu未被替换，采用了CIOU作为损失函数(但这个更新好像是还在v2.0版本过度的时候已经更新)，还更改了一个默认超参数:translate=0.5 → 0.1(数据增强的仿射系数)。
由于没有发paper，只有自己看代码学习，有不正确欢迎指正，谢谢！