0. 寫在前面

? ? ? ? 這篇博文主要是為了記錄一下yolov5中的小的記憶點，方便自己查看和理解。

1. 完整過程

? ? ? ? （1）Input階段，圖片需要經(jīng)過數(shù)據(jù)增強Mosaic，并且初始化一組anchor預(yù)設(shè)；

? ? ? ? （2）特征提取（Backbone）：使用Conv、C3、SPPF基本結(jié)構(gòu)對輸入圖片進行特征提取，Conv用于對輸入進行下采樣（一共進行了5次下采樣）；C3用于對輸入進行特征提取、融合，豐富特征的語義信息，在這個過程中使用了BoottleNeck減少參數(shù)量和計算量、借鑒CSPNet思想增強CNN學(xué)習(xí)能力；SPPF利用池化、特征融合的方式豐富特征的語義信息，使得最深層的特征圖擁有極豐富的語義信息；

? ? ? ? （3）加工特征（Neck）：v5是三種尺度的特征圖融合淺層特征，淺層特征在檢測方面有優(yōu)勢，借鑒了PANet，對提取的特征圖融合淺層特征，使得特征圖既具有豐富的語義信息又具有物體準(zhǔn)確的位置信息；

? ? ? ? （4）預(yù)測目標(biāo)（Head）:對加工后的特征圖進行預(yù)測，根據(jù)損失函數(shù)和優(yōu)化器優(yōu)化參數(shù)權(quán)重。

2. 小知識

? ? ? ? 2.1 特征融合方式

? ? ? ? concat: 張量拼接，會擴充兩個張量的維度，例如26*26*256和26*26*512張量拼接，結(jié)果是26*26*768;

? ? ? ? add:張量相加，張量直接相加，不會擴充維度，例如104*104*128和104*104*128相加，結(jié)果還是104*104*128。

? ? ? ? 2.2 anchor

? ? ? ? 錨框就是在圖像上預(yù)設(shè)好不同大小，不同長寬比的參照框。anchor是由FasterRCNN提出的，anchor解決了scale和aspect ratio變化范圍大的問題，即將單元格的預(yù)測框控件劃分了幾個子空間，降低模型學(xué)習(xí)難度。

? ? ? ? 輸入640*640的圖片，經(jīng)過32倍、16倍和8倍下采樣，會產(chǎn)生20*20、40*40和80*80大小的特征圖（網(wǎng)格尺寸），特征圖的每個像素（該像素對應(yīng)的視野大小就是網(wǎng)格中的單元格大小）設(shè)置3個anchor，因此v5共有（20*20+40*40+80*80）*3 = 25200個anchor。

? ? ? ? 借助網(wǎng)絡(luò)訓(xùn)練的強大擬合能力，直接讓網(wǎng)絡(luò)輸出每個anchor是否包含（或者說與物體有較大重疊，也就是IoU較大）物體，以及被檢測物體相對本anchor的中心點偏移以及長寬比例。因為anchor的位置是固定的，所以就很容易換算出實際物體的位置。

?????????2.3?BottleNeck

? ? ? ? 目的是減少參數(shù)量和計算而設(shè)計的，1*1,64?+ 3*3，64 + 1*1，256的卷積層替換3*3的卷積層；

假設(shè)Input[1,256,10,10]，則：

普通卷積參數(shù)量：256 * 3 *3 *256+256=590080；計算量FLOPs:256*3*3*256*10*10=58982400;

BottleNeck的參數(shù)量:（256*1*1*64+64） + （64*3*3*64+64）+（64*1*1*256+256）=70016；

BottleNeck的計算量：256*1*1*64*10*10+64*3*3*64*10*10+64*1*1*256*10*10 = 6963200；

BottleNeck結(jié)構(gòu)減少了參數(shù)量和計算量十分明顯。