YOLOv5: the fifth iteration of the revolutionary "You Only Look Once" object detection model

Glenn Jocher : YOLOv5作者及Ultralytics公司的創始人。

上篇-主要介紹YOLOv5的命名爭議以及整體網路架構，

• 沒有發表論文。
  Github YOLOv5 issue中作者回覆截至今日仍沒有釋出官方的YOLOv5論文。
  
• YOLOv5的網路架構仍然由BackBone、Neck以及Head組成。

YOLOv5的爭議問題

• 命名問題:
  • 沒有發表論文，且不是原作者，且實現的方式不夠創新。
  • YOLOv4的論文當中作者對於YOLOv5所使用的Mosiac Augmentation以及基因演算法挑選超參數的概念表示感謝。
  • 但YOLOv5作者認為不管網路稱作YOLOv5、FastYOLO、或是YOLOv4-accelerated，只要最終有名稱改動，都會更新並且公告給大家。

網路架構說明

本架構圖為自行繪製，若有錯誤歡迎指正。

Backbone:

• Focus架構(最終沒採用)

  
  • 間隔像素取值，一張影像輸入會輸出四張圖片，輸出通道數變成四倍，用途主要為減少影像的重要訊息丟失。
  • 這項技術在YOLOv5初期的模型有被提出，但最後已被6x6 Convolution架構取代，功能相同但可以簡化模型。

• CSP架構

  • 設計兩種CSP架構，其中一支(CSP_1)用於Backbone，另一支(CSP_2)用在Neck。
  • CSP_1: 主要增加殘差網路，避免梯度消失的問題。
    

Neck:

• CSP

  • CSP_2: 加強網路特徵融合的能力。
    

• SPPF

  

• FPN以及PAN架構

  • 如同YOLOv4架構一樣。

Head:

• 採用YOLOv3的Head。

• Bounding Box Regression:

  • C-IOU: ，YOLOv5採用C-IOU，C-IOU在YOLOv4上篇，有詳細的說明。
  • Non-Maximum Suppression:
    • YOLOv5採用NMS: 一樣是去除影像上方重複的Bounding Box，但是在網路上有很多人將YOLOv5的NMS改成YOLOv4的DIOU-NMS可以改善重疊物件的遮當問題。

文章使用之"作者論文出版回覆圖"取自YOLOv5官網，"Focus技術介紹圖"取自其他YOLOv5介紹網站。

YOLOv5-下篇將說明該網路的其他技術、損失函數採用，以及Bounding Box座標的計算方式，以及相關實驗比較結果。

參考文獻

1. YOLOv5官方網站
2. YOLOv5爭議問題回覆
3. YOLOv5官方模型架構說明
4. Focus架構的差異
5. YOLOv5 Code解析
6. YOLOv5可視化網路架構圖
7. YOLOv5中的Focus模組的理解