《Yolov5实验数据全部开源》
近期大家在我的博客看到了很多关于如何改进Yolov5的文章，其实我发的这些内容我都亲自进行了实验，因为数据集的关系每次实验都花费数个小时，但是我的改进并没有带来很大的提升，相反都带来的一些反向的提升；
我也尝试去复现别人论文里引入注意力机制的Yolov5结构，不知道为什么同样的参数却达不到人家的效果，我猜测可能是数据集的关系，并且还有一些其他的数据增强参数作者们是未公开的，我本人也是一名刚接触目标检测不久的在校生，所以很多东西还在探索中，我很清楚目前我们研究生所需要的东西，所以我准备把这段时间所作实验的结果全部开源，希望能给大家起到一些参考作用。当然不同的数据集效果肯定是不同的。
有关代码怎么使用我就不过多介绍了，大家可以去看我的博文，或者官方的文档，我在这统一做一个汇总
4.手把手带你Yolov5 (v6.1)添加注意力机制(一)（并附上30多种顶会Attention原理图）
5.手把手带你Yolov5 (v6.1)添加注意力机制(二)（在C3模块中加入注意力机制）
8.持续更新中
本人所用数据集是网络上购买的黑夜行人数据集（训练集9424，验证集2357，测试集3249），数据集只包含一个Person类别
这里简单展示一些
这里我也免费分享这个数据集，数据集已经划分成了Yolo的格式，大家下载后直接可以使用。
百度网盘
链接：https://pan.baidu.com/s/1wqzOnGEIa1n27mcnaxtZSg
提取码：wibh
实验结果
| Model | epoch | freeze | multi_scale | mAP 0.5 | Parameters(M) | GFLOPs |
|---|---|---|---|---|---|---|
| Yolov5s | 300 | 0 | false | 0.953 | Nan | Nan |
| Yolov5s | 120 | 8 | false | 0.936 | Nan | Nan |
| Yolov5s_SE | 120 | 7 | false | 0.874 | Nan | Nan |
| Yolov5s_ECA | 200 | 7 | false | 0.937 | Nan | Nan |
| Yolov5s_CBAM | 200 | 7 | true | 0.882 | Nan | Nan |
| Yolov5s_BiFPN | 200 | 7 | false | 0.935 | Nan | Nan |
| Yolov5s_BiFPN_ECA | 200 | 0 | false | 0.951 | Nan | Nan |
项目所用的配置文件我都放在我的Github了，项目地址：Yolov5_Magic
还有一些其他tircks的实验结果我正在整理中，后续我会更新在Github的
如果可以,我也希望大家可以把自己用到的一些涨点的技巧分享出来