理解PyTorch版YOLOv5模型构架

一个深度学习模型，可以拆解为：

• 模型构架(Model Architecture): 下面详述
• 激活函数(Activation Function)：YOLOv5在隐藏层中使用了LeakyReLU激活函数，在最后的检测层中使用了Sigmoid激活函数，参考这里
• 优化函数(Optimization Function)：YOLOv5的默认优化算法是：SGD；可以通过命令行参数更改为Adam
• 损失函数(Loss Function) 或者叫代价函数Cost Function：YOLOv5的Loss函数分为三个部分：Classes loss(BCE loss) + Objectness loss(BCE loss) + Location loss(CIoU loss)

YOLOv5模型构架和其它单阶段(one-stage)目标检测器一样，可以拆解为三个主要部分：

• 模型主干网络(Model Backbone)：主要用于提取输入图像特征，YOLOv5使用了CSP-Darknet53网络，相比YOLOv3使用的Darknet53网络，参数少-34%(意味着更快)，精度基本一致
• 模型颈部(Model Neck)：主要用于生成特征金字塔(feature pyramids)。 特征金字塔有助于提升模型对不同大小和比例对象的泛化性能，即有助于识别具有不同大小和比例的同一对象。YOLOv5使用New CSP-PAN作为特征金字塔。
• 模型检测头(Model Head)：主要用于执行最后的检测部分。 它将锚框应用于特征并生成具有类别概率(class probabilities)、对象分数(objectness scores)和边界框(bounding boxes)的输出向量(output vectors)。YOLOv5的检测头跟YOLOv3的一致(YOLOv3 Head)。
  检测器构架 one-stage vs two-stage
  本图引用自：<YOLOv4: Optimal Speed and Accuracy of Object Detection>
  本文参考资料：https://github.com/ultralytics/yolov5/issues/6998