本文來自公眾號“每日一醒”
Yolo v5一共有四個模型，分別為Yolov5s、Yolov5m、Yolov5l、Yolov5x。
Yolov5s網絡最小，速度最少，AP精度也最低，如果檢測的以大目標為主，追求速度，倒也是個不錯的選擇。
其他的三種網絡，在此基礎上，不斷加深加寬網絡，AP精度也不斷提升，但速度的消耗也在不斷增加。
YOLOV5的改進
1、backbone：CSPDarkNet53+Focus
2、neck：SPP+PAN
3、head：YOLOv3
4、自適應圖片縮放
5、數據增強：馬賽克（Mosaic）
6、自適應錨框計算
7、激活函數：Leaky ReLU 和 Sigmoid 激活函數。
8、損失函數：GIOU
9、跨網格預測（新的Loss計算方法）
Focus
Focus從高分辨率圖像中，周期性的抽出像素點重構到低分辨率圖像中，即將圖像相鄰的四個位置進行堆疊，聚焦wh維度信息到c通道空間，提高每個點感受野，並減少原始信息的丟失，該模塊的設計主要是減少計算量加快速度。
以Yolov5s的結構為例，原始640*640*3的圖像輸入Focus結構，采用切片操作，先變成320*320*12的特征圖，再經過一次32個卷積核的卷積操作，最終變成320*320*32的特征圖。
簡單來說就是把數據切分為4份，每份數據都是相當於2倍下采樣得到的，然后在channel維度進行拼接，最后進行卷積操作。
（4*4*3的圖像切片后變成2*2*12的特征圖）
Focus示意圖：
為什么要加fucus？
其最大好處是可以最大程度的減少信息損失而進行下采樣操作。
CSP（跨階段局部網絡）
跨階段局部網絡緩解以前需要大量推理計算的問題。
Yolov4中只有主干網絡使用了CSP結構，而Yolov5中設計了兩種CSP結構。
以Yolov5s網絡為例，CSP1_X結構應用於Backbone主干網絡，另一種CSP2_X結構則應用於Neck中。
Yolov4的Neck結構中，采用的都是普通的卷積操作。
Yolov5的Neck結構中，采用借鑒CSPnet設計的CSP2結構，加強網絡特征融合的能力。
CSP示意圖：
CSP代碼實現：
Res unit模塊：
SPP
SPP模塊（空間金字塔池化模塊）， 分別采用5、9、13的最大池化，再進行concat融合，提高感受野。
SPP的輸入是512x20x20，經過1x1的卷積層后輸出256x20x20，然后經過並列的三個Maxpool進行下采樣，將結果與其初始特征相加，輸出1024x20x20，最后用512的卷積核將其恢復到512x20x20。
SPP示意圖：
SPP代碼實現：
自適應錨框計算
在 yolov3、v4 中是采用 kmean 和遺傳算法對自定義數據集進行分析，獲得合適自定義數據集中對象邊界框預測的預設錨點框，計算初始錨框的值是通過單獨的程序運行的。
在YOLO V5 中錨定框是基於訓練數據自動學習的，此功能嵌入到代碼中，每次訓練時，自適應的計算不同訓練集中的最佳錨框值。
在網絡訓練中，網絡在初始錨框的基礎上輸出預測框，進而和真實框groundtruth進行比對，計算兩者差距，再反向更新，迭代網絡參數。
因此初始錨框也是比較重要的一部分，比如Yolov5在Coco數據集上初始設定的錨框：
自適應圖片縮放
在項目實際使用時，很多圖片的長寬比不同，因此縮放填充后，兩端的黑邊大小都不同，而如果填充的比較多，則存在信息冗余，影響推理速度。
Yolov5的代碼中datasets.py的letterbox函數中進行了修改，對原始圖像自適應的添加最少的黑邊。
圖像高度上兩端的黑邊變少了，在推理時，計算量也會減少，即目標檢測速度會得到提升。
通過這種簡單的改進，推理速度得到了37%的提升，可以說效果很明顯。
訓練時沒有采用縮減黑邊的方式，還是采用傳統填充的方式，即縮放到416*416大小。 只是在測試，使用模型推理時，才采用縮減黑邊的方式，提高目標檢測，推理的速度。
GIOU
Yolov5采用GIOU_Loss做Bounding box的損失函數，使用 二進制交叉熵(BCE) 和 Logits 損失函數 計算類概率和目標得分的損失。
進化二：不相交時，IOU=0，兩個框距離變換，IOU loss不變，改進為GIOU。
GIOU Loss，在IOU的基礎上引入了預測框和真實框的最小外接矩形。
GIoU公式：
GIoU Loss公式：
GIOU算法流程如下：
當兩框完全重合時取最小值0，當兩框的邊外切時，損失函數值為1；
當兩框分離且距離很遠時，損失函數值為2。
使用外接矩形的方法不僅可以反應重疊區域的面積，還可以計算非重疊區域的比例，因此GIOU損失函數能更好的反應真實框和預測框的重合程度和遠近距離。
GIOU Loss存在的問題：
1）包含時計算得到的IOU、GIOU數值相等，損失函數值與IOUloss 一樣，無法很好的衡量其相對的位置關系。
2）同時在計算過程中出現上述情況，預測框在水平或垂直方向優化困難，導致收斂速度慢。
nms非極大值抑制
在目標檢測的后處理過程中，針對很多目標框的篩選，通常需要nms操作。
因為CIOU_Loss中包含影響因子v，涉及groudtruth的信息，而測試推理時，是沒有groundtruth的。
所以Yolov4在DIOU_Loss的基礎上采用DIOU_nms的方式，Yolov5中采用加權nms的方式。
激活函數
YOLO V5的作者使用了 Leaky ReLU 和 Sigmoid 激活函數。
在 YOLO V5中，中間/隱藏層使用了 Leaky ReLU 激活函數，最后的檢測層使用了 Sigmoid 形激活函數。
而YOLO V4使用Mish激活函數。
跨網格預測（新的Loss計算方法）
yolov5的loss設計和前yolo系列差別比較大的地方就是正樣本anchor區域計算。
yolov3的loss計算過程非常簡單，核心是如何得到loss計算所需的target。
yolov5的很大區別就是在於正樣本區域的定義。
yolov3的正樣本區域也就是anchor匹配策略非常粗暴：
保證每個gt bbox一定有一個唯一的anchor進行對應，匹配規則就是IOU最大，並且某個gt一定不可能在三個預測層的某幾層上同時進行匹配。
(不考慮一個gt bbox對應多個anchor的場合，也不考慮anchor是否設置合理，不考慮一個gt bbox對應多個anchor的場合的設定會導致整體收斂比較慢。)
yolov5采用了增加正樣本anchor數目的做法來加速收斂。
yolov5核心匹配規則為：
(1) 對於任何一個輸出層，拋棄了基於max iou匹配的規則，而是直接采用shape規則匹配，也就是該bbox和當前層的anchor計算寬高比，如果寬高比例大於設定閾值，則說明該bbox和anchor匹配度不夠，將該bbox過濾暫時丟掉，在該層預測中認為是背景
(2) 對於剩下的bbox，計算其落在哪個網格內，同時利用四舍五入規則，找出最近的兩個網格，將這三個網格都認為是負責預測該bbox的，可以發現粗略估計正樣本數相比前yolo系列，至少增加了三倍。
綠點表示該Bbox中心，現在需要額外考慮其2個最近的鄰域網格也作為該bbox的正樣本anchor。
bbox的xy回歸分支的取值范圍不再是0~1，而是-0.5~1.5(0.5是網格中心偏移)，因為跨網格預測了。
在任何一預測層，將每個bbox復制和anchor個數一樣多的數目，然后將bbox和anchor一一對應計算，去除不匹配的bbox，然后對原始中心點網格坐標擴展兩個鄰居像素，增加正樣本anchor。
有個細節需要注意，前面shape過濾時候是不考慮bbox的xy坐標的，也就是說bbox的wh是和所有anchor匹配的，會導致找到的鄰居也相當於進行了shape過濾規則，故對於任何一個輸出層，如果該bbox保留，那么至少有3個anchor進行匹配，並且保留的3個anchor shape是一樣大的。
即保留的anchor在不考慮越界情況下是3或者6或者9。
(1) 不同於yolov3和v4，其gt bbox可以跨層預測即有些bbox在多個預測層都算正樣本
(2) 不同於yolov3和v4，其gt bbox的匹配數范圍從3-9個,明顯增加了很多正樣本(3是因為多引入了兩個鄰居)
(3) 不同於yolov3和v4，有些gt bbox由於和anchor匹配度不高，而變成背景
這種特別暴力增加正樣本做法還是存在很大弊端，雖然可以加速收斂，但是由於引入了很多低質量anchor，對最終結果還是有影響的。
yolo v5深度與寬度控制
Yolov5代碼中的四種網絡，和之前的Yolov3，Yolov4中的cfg文件不同，都是以yaml的形式來呈現。
而且四個文件的內容基本上都是一樣的，只有最上方的depth_multiple和width_multiple兩個參數不同。
四種結構就是通過上面的兩個參數，來進行控制網絡的深度和寬度。
其中depth_multiple控制網絡的深度，width_multiple控制網絡的寬度。
深度：四種網絡結構中每個CSP結構的深度都是不同的。
yolov5s，第一個CSP1中，使用了1個殘差組件，是CSP1_1。
Yolov5m，在第一個CSP1中，使用了2個殘差組件，是CSP1_2。
Yolov5l，在第一個CSP1中，使用了3個殘差組件，是CSP1_3。
Yolov5x，在第一個CSP1中，使用了4個殘差組件，是CSP1_4。
寬度：四種yolov5結構在不同階段的卷積核的數量都是不一樣的，因此也直接影響卷積后特征圖的第三維度，即厚度。
Yolov5s，第一個Focus結構中，最后卷積操作使用了32個卷積核，因此經過Focus結構，特征圖的大小變成304*304*32。
yolov5m，第一個Focus結構中，最后卷積操作使用了48個卷積核，因此經過Focus結構，特征圖的大小變成304*304*48。
yolov5l，yolov5x也是同樣的原理。
總結
yolov5：
(1) 考慮了鄰域的正樣本anchor匹配策略，增加了正樣本。
(2) 通過靈活的配置參數，可以得到不同復雜度的模型。
(3) 通過一些內置的超參優化策略，提升整體性能。
(4) 和yolov4一樣，都用了mosaic增強，提升小物體檢測性能。
——————
淺談則止，細致入微AI大道理
掃描下方“每日一醒”，選擇“關注”公眾號
—————————————————————
—————————————————————