简介：
YOLOv4 （2020.4.23）发布还不到 2 个月，很多人都没来及仔细看。。。突然 YOLOv5 （2020.6.10）又双叕来了。。。
YOLOv5的大小仅有 27 MB，而使用 darknet 架构的 YOLOv4 有 244 MB，对比之下小了近 90%，同时在准确度方面又与 YOLOv4 基准相当。
Github地址：https://github.com/ultralytics/yolov5
yolov5权重文件：https://pan.baidu.com/s/1Zk2Ksfl_v-apbRBQ_mqc6w
密码：00mp
作者给的算法性能如下图：
网络结构:
改编自知乎大佬的一张图：
Yolov5s网络是Yolov5系列中深度最小，特征图的宽度最小的网络。后面的3种（Yolov5m、Yolov5l、Yolov5x）都是在此基础上不断加深，不断加宽。
核心原理详解：
1、Input：
（1）Mosaic数据增强：
同Yolov4，是这个作者提出来的。
（2）自适应锚框计算：
在以前的yolo中，我们要自己用k-means聚类算出初始anchors的大小，但Yolov5中将此功能整进了train代码里，每次训练时自适应的计算不同训练集中的最佳锚框值。
（3）自适应图片缩放：
在训练阶段，比如网络输入的尺寸608×608，但我数据的尺寸是大小不一的，一般方法是直接同一缩放到标准尺寸，然后填充黑边，如下图所示：
但如果填充的比较多，则存在信息冗余，影响推理速度。
Yolov5在推理阶段，采用缩减黑边的方式，来提高推理的速度。在代码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。
eg：“比如我1000×800的图片不是直接缩放到608×608的大小，而是计算608/1000=0.608 然后缩放至608×486的大小，然后计算608-486=122 然后np.mod(122，32)取余数得到26，再平均成13填充到图片高度两端，最后是608×512。”
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。
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。
（2）CSP结构：
Yolov5与Yolov4都有CSP结构，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。
3、Neck：
（1）FPN+PAN结构。
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。
4、Prediction：
（1）Bounding box损失函数：
Yolov4中采用的CIOU_Loss做Bounding box的损失函数，Yolov5中采用其中的GIOU_Loss。
ps：回归损失函数近些年的发展过程是：
Smooth L1 Loss → IoU Loss（2016）→ GIoU Loss（2019）→ DIoU Loss（2020）→ CIoU Loss（2020）
IOU_Loss：主要考虑检测框和目标框重叠面积。
GIOU_Loss：在IOU的基础上，解决边界框不重合时的问题。
DIOU_Loss：在IOU和GIOU的基础上，考虑边界框中心点距离的信息。
CIOU_Loss：在DIOU的基础上，考虑边界框宽高比的尺度信息。
（2）nms非极大值抑制：
后处理阶段一般会对很多个框进行NMS算法，因为CIOU_Loss中包含影响因子v，涉及groudtruth的信息，而测试推理时，是没有groundtruth的。
所以Yolov4推理时是在DIOU_Loss的基础上采用DIOU_nms的方式，而Yolov5中是GIOU_Loss的基础上采用加权nms的方式。
系列传送门：
目标检测——R-CNN（一）
目标检测——Fast R-CNN（二）
目标检测——Faster R-CNN（三）
目标检测——Mask R-CNN（四）
目标检测——R-FCN（五）
目标检测——YOLOv3（六）
目标检测——YOLOv4（七）