yolov5目标检测算法解析：基础网络模块

    Yolov5的模型定义分两个阶段，分别是基础模块设计阶段和完整模型搭建阶段。基础模块设计阶段，是基于pytorch架构的基本神经网络算子，进一步构造成具有特定功能和含义的自定义神经网络模块。完整模型搭建阶段，是通过结构化文件，利用基础模块，以搭积木的形式，构建成一个完整的神经网络模型。其基础模块的设计如下所述：

1、标准卷积模块（Conv）

        标准卷积模块（Standard convolution mudule）,在源代码中被命名为Conv，它是由一个二维的卷积层（Conv2D）、批正则化层（BatchNorm2D）、一个激活层（Activation）串联组装而成，其网络结构如图1所示。

图1 标准卷积模块

 2、瓶颈结构模块（Bottleneck）

       瓶颈结构模块（Bottle neck mudule）在源代码中被命名为Bottleneck，它是两个标准卷积模块串联，输出再与输入进行短接而成，其网络结构如图2所示。

图2 瓶颈结构模块

3、跨阶段局部瓶颈模块（CSP Bottleneck） 

        跨阶段局部瓶颈模块（Cross stage partial bottle neck mudile）在源代码中被命名为BottlenectCSP，它是由一系列卷积层（ConvD）、标准卷积模块（Conv）、批正则化层(BN)、瓶颈结构模块（Bottlenect）等模块组成，其结构如图3所示。

图3 跨阶段局部瓶颈模块

 4、三卷积跨阶段局部瓶颈模块（C3）

        三卷积跨阶段局部瓶颈模块（Cross stage partial bottle neck mudule）在源代码中被命名为C3，它是由三个标准卷积模块和若干瓶颈结构模块组成，其网络结构如图4所示。

图4 三卷积夸阶段局部瓶颈模块

 5、空间金字塔池化模块（SPP）

        空间金字塔池化模块（Spatial pyramid pooling mudule）在源代码中被命名为SPP，它是由三个并列的池化层和两个标准卷积层组合而成，其网络结构如图5所示。

图5 空间金字塔池化模块

 6、快速空间金字塔池化模块（SPPF）

        快速空间金字塔池化模块（Fast spatial pyramid pooling mudule）在源码中被命名为SPPF，同样是由三个池化层和两个标准卷积组成，但其网络结构和SPP模块不一样，其网络结构如图6所示。

图6 快速空间金字塔池化模块

 7、聚焦模块（Focus）

        聚焦模块（Focus mudule）在源代码中被命名为Focus，它的作用是把宽度和高度上的像素进行拆分，并重组到通道维度上，从而在特征信息不丢失的情况下实现特征的尺度减半。它是由特征重组层（Reorg Layer）和一个标准卷积模块组成，其网络结构如图7所示。

图7 聚焦模块