网络结构图
Hardswish $(x)=\left\{\begin{array}{ll}0 & \text { if } x \leq-3 \\ x & \text { if } x \geq+3 \\ x \cdot(x+3) / 6 & \text { otherwise }\end{array}\right.$
- 输入端：Mosaic数据增强、自适应锚框计算、自适应图片缩放
- Backbone：Focus结构，CSP结构
- Neck：FPN+PAN结构
- Prediction：GIOU_Loss
输入端
Mosaic数据增强
Mosaic数据增强采用了4张图片，随机缩放、随机裁剪、随机排布的方式进行拼接。
- 小目标的分布不均匀：Coco数据集中小目标占比达到41.4%，但在所有的训练集图片中，只有52.3%的图片有小目标，而中目标和大目标的分布相对来说更加均匀一些。
- 丰富数据集：随机使用4张图片，随机缩放，再随机分布进行拼接，大大丰富了检测数据集，特别是随机缩放增加了很多小目标，让网络的鲁棒性更好。
- 减少GPU：作者考虑到很多人可能只有一个GPU，因此Mosaic增强训练时，可以直接计算4张图片的数据，使得Mini-batch大小并不需要很大，一个GPU就可以达到比较好的效果。
自定义锚框
kmean + 遗传算法
antoanchor.py
自适应图片缩放
datasets.py的letterbox函数
Backbone
Focus结构
common.py的Focus函数
Neck
loss 计算
yolov5的loss设计和前yolo系列差别比较大的地方就是正样本anchor区域计算，其余地方差距很小。分类分支采用的loss是BCE，conf分支也是BCE，当然可以通过h[‘fl_gamma’]参数开启focal Loss,默认配置没有采用focal los，而bbox分支采用的是Ciou loss。
$b_x = 2\sigma(t_x) - 0.5$
$b_y = 2\sigma(t_y) - 0.5$
$b_w = 4\sigma^2(t_w)p_w$
$b_h = 4\sigma^2(t_h)p_h$
IOU_Loss
GIOU_Loss
DIOU_Loss
CIOU_Loss
效果
