yolov5的改进思想

Yolo v5一共有四个模型，分别为Yolov5s、Yolov5m、Yolov5l、Yolov5x。

Yolov5s网络最小，速度最少，AP精度也最低，如果检测的以大目标为主，追求速度，倒也是个不错的选择。

其他的三种网络，在此基础上，不断加深加宽网络，AP精度也不断提升，但速度的消耗也在不断增加。

YOLOV5的改进：
1、backbone：CSPDaekNet53+Focus
2、nect：SPP+PAN
3、head：YOLOV3
4、自适应图片缩放
5、数据增强：mosaic
6、自适应锚框计算
7、激活函数：Leaky Relu 和 Sigmiod激活函数
8、损失函数：GIOU
9、跨网格预测（新loss计算方法）

1、Focus
Focus从高分辨率图像中，周期性的抽出像素点重构到低分辨率图像，此处是将图像相邻的四个位置进行堆叠，聚焦wh维度信息到c通道空间，提高每个点感受野，并减少原始信息的丢失，该模块的设计主要是减少计算量加快速度。

以Yolov5s的结构为例，原始6406403的图像输入Focus结构，采用切片操作，先变成32032012的特征图，再经过一次32个卷积核的卷积操作，最终变成32032032的特征图。
简单